Поиск картинки в картинке

Есть скрипт (функция) на питоне поиска маленькой картинки внутри другой большой картинки, нужно помочь найти с ее помочью внутри большой картинки несколько маленьких картинок (с этим в принципе у меня проблем нет) и расписать порядок в каком они находятся внутри большой картинки (как реализовывать мне понятно, но хочется красивую реализацию). вообщем задача совершенно простейшая

0

DmitryADM, Используй OpenCV.

0

да естественно, я ее использую и у меня вообще нет проблемы с нахождением картинки в картинке. у меня проблема обработать одновременно несколько массивов одновременно.

0

DmitryADM, пример нужно видеть, что значит несколько массивов одновременно?
Несколько образцов или несколько одинаковых объектов или несколько картинок?

0

первый раз пишу тут. не знаю можно ли писать что пытаюсь взломать простейшую капчу. но на этом собственно изучаю питон.
умею находить маленькую картинку(где любая из цирф от 1 до 9) в большой картинке-капче.
получаю скриптом координату крайне левую-верхнюю точку вхождения.
записываю в массив(список) все эти координаты для каждой из 9 цифр, поэтому получу 9 таких массивов
собственно мой вопрос(и мой затык) в том как потом отсортировать по возрастанию объединенный массив из этих 9 массивов, чтобы например скрипт помнил что если на пером месте стоят координаты из 1го массива, значит на 1м месте в капче стоит цифра 1. и т.д. ,те. в итоге правильно разгадать капчу.
вот сам мой скрипт

import cv2
import numpy as np
coordinate_array = []
def find_target_picture_in_big_picture(targe t_picture, big_picture):
# программа ищет заданное изображение в большой картинке
# при обнаружении на выход выводятся координаты (по оси x) верхней левой точки вхождения
# Загрузить исходное изображение и шаблон изображения для поиска
img = cv2.imread(big_picture,1)
# OpenCV обрабатывает исходное изображение и создает версию в оттенках серого
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# Загрузить шаблон изображения для поиска # Записать размер шаблона изображения
template = cv2.imread(target_picture,0)
# Обработка и поиск совпадений в изображениях в оттенках серого. Затем используйте те же координаты для восстановления и вывода в исходное изображение.
# cv2.matchTemplate(image, templ, method[, result])
res = cv2.matchTemplate (img_gray, template, cv2.TM_CCOEFF_NORMED) #TM_CCOEFF_NORMED - это стандартное сопоставление коэффициентов корреляции, общий метод сопоставления с шаблоном сопоставления
# Установить порог
threshold = 0.95
# Выходное разрешение больше 70%
loc = np.where( res >= threshold)
# Используйте координаты в изображении в градациях серого, чтобы отметить исходное изображение RGB
# coordinate_array = []
for pt in zip(*loc[::-1]):
cv2.rectangle(img, pt, (pt[0], pt[1]), (7,249,151), 2)
# print(pt[0])
# type(pt[0])
coordinate_array.append(pt[0])
# Показать изображение
# for i in coordinate_array:
# print(i)
cv2.imshow('matchTemplate.jpg', img)
# сохранить изображение
cv2.imwrite('matchTemplate.jpg', img)
return coordinate_array
cv2.waitKey(0)
# return img
find_target_picture_in_big_picture('9.jp g', '1196591.jpg')
coordinate_array_without_dubles = list(set(coordinate_array))
coordinate_array_without_dubles.sort()
for i in coordinate_array_without_dubles:
print(i)
#print()
find_target_picture_in_big_picture('1.jp g', '1196591.jpg')
coordinate_array_without_dubles = list(set(coordinate_array))
coordinate_array_without_dubles.sort()
for i in coordinate_array_without_dubles:
print(i)
#print (pt[0])
# Показать изображение
#cv2.imshow('matchTemplate.jpg', img)

# сохранить изображение
#cv2.imwrite('matchTemplate.jpg', img)
#cv2.waitKey(0)

Вложения

test.rar (89.6 Кб, 34 просмотров)

0

DmitryADM, вот смотри: у тебя в конечном итоге есть массив названий шаблонов, от 0 до 9, которые в цикле ищутся на большой картинке [0,1,2,3...9]. Есть массив координат для каждой цифры [[x1, y1],[x2,y2], [NaN, NaN],[x4,y4]...]
Далее делаешь np.argsort массива координат, по x (axis=0 или 1, разберись) и получаешь индексы. Эти индексы применяешь к первому массиву и получаешь числа в нужном порядке.
Про дубли: лучше делать threshold, а затем connectedcomponentwhithstats, он выдает центроиды и боксы сразу и без необходимости удалять дубли.
Про Jpg: jpg - формат с потерями, не используй его, используй png. Если из большого jpg кропнуть кусочек и сохранить в jpg, то он не совпадет попиксельно с тем что есть на большой картинке.

Добавлено через 3 минуты
Можно, конечно, еще тессеракт задействовать, если картинку инвертировать предварительно...

1

нет тессеракт мне не интересно, я эту простую капчу взял для начала, с прицелом на будущее так же распознавать чисто графическую капчу типа такой как на вложении:

Миниатюры

 

0

u235, спасибо большое за помощь, я пишу скрипт по заработку на просмотре рекламы (фактически на разгадывании капчи в конце). как допишу поделюсь с тобой в качестве благодарности.

0

DmitryADM, собственно как-то так:
вывод:
OCR на минималках.

3

вот это высший пилотаж!)
100 баллов из 10.

0

Спасибо.

0