A ponthalmazok tárgyalásánál láttuk, hogy a kulcspont+leíró alapú párosítással meg tudunk keresni sík felületű objektumokat 3D színtér vetített képén. Ez viszont abban az esetben igaz, ha maga a 2D sík objektum elegendően nagy méretű és textúrázott, vagyis a mintázatán elegendő számú kulcspontot lehet találni. Ez a gyakorlatban nem mindig teljesül. Két esetet is megvizsgálunk, ami más megközelítést igényel.
A példatár Mintakereses_penzermek mappájában 6 fotót találunk egy asztallapról, amelyen többféle pénzérme található, némelyik egymással átfedve. Szeretnénk megkeresni a 200 forintos érmék előlapjait. Ehhez az egyik képből kivágott erme_minta_200_elolap.jpg mintát használjuk.
A mintakeresésre kipróbálhatjuk például a korábbi ocv_pair_homography_crosscheck.py példaprogramot. Az AKAZE detektor 107 és 280 kulcspontot detektál. További szűrést nem végzünk, így 107 potenciális párunk van. A RANSAC ezek számát 8-ra csökkenti. Sajnos jól láthatóan nem megfelelő a párosítás, így az eredmény hibás.
Potenciális párok:
RANSAC outlier párok:
RANSAC inlier pontpárok:
A többi képre sem kapunk használható eredményt. Más megközelítés kell!
Ennek a megközelítésnek az is hátránya, hogy a minta többszöri előfordulásakor is csak egy találatot kapnánk. A módszert ráadásul alaposan megzavarja a minta többszöri előfordulása.
Oldjuk meg a mintakeresést képponthasonlósági mértékekkel!
A megoldáshoz használhatjuk az OpenCV matchTemplate() függvényét. Ennek használati módjáról itt látunk példákat:
Megjegyezzük, hogy ez a megközelítés csak eltolás invarianciát tud kezelni, ami gyakorlati esetekben ritkán elegendő.
Még nehezebb a feladat autókon történő márka embléma kereséskor. Maga a mintázat sokszor stilizált, nagyon kis méretű, és a fényviszonyok (megcsillanás, árnyék) jelentősen ronthatják a képen megjelenő előfordulását.
Keressük meg a termosztát előfordulását a képeken! Az LCD kijelző értelemszerűen más információt mutat a sablon és a színtér képen.
