OpenCV（Python）で複数の画像データのTemplateMatchingを行うスクリプトを作ってみた

#OpenCV

#Python

若槻龍太

2022.03.08

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

こんにちは、CX事業本部 IoT事業部の若槻です。

前回のエントリでは、OpenCVのTemplate Matchingを使ってみました。

OpenCV（Python）でTemplate Matchingを使用して物体検出をしてみた | DevelopersIO

今回はその応用として、OpenCV（Python）で複数の画像データのTemplateMatchingを行うスクリプトを作ってみました。

環境

$  sw_vers  
ProductName:	macOS
ProductVersion:	11.6
BuildVersion:	20G165

$  python
Python 3.9.6 (default, Jun 29 2021, 06:20:32) 
[Clang 12.0.0 (clang-1200.0.32.29)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'4.5.5'

スクリプト

import cv2
import os
import sys
from typing import List, Any
import pprint

ICONS_IMG_FILE_DIR = 'icons/'
TEMPLATE_IMG_FILE_PATH = ICONS_IMG_FILE_DIR + sys.argv[1] + '.jpg'


def get_iconFileNames() -> List[str]:
    return [f.name for f in os.scandir(
        'icons') if f.name.endswith('.jpg')]


def get_iconImgMatList(iconFileNames: List[str]) -> List[Any]:
    def get_matNameDict(iconFileName: str):
        return {
            'mat': cv2.imread(ICONS_IMG_FILE_DIR + iconFileName, cv2.IMREAD_GRAYSCALE),
            'name': iconFileName.replace('.jpg', '')
        }
    return list(map(get_matNameDict, iconFileNames))


def get_templateImgMat() -> Any:
    return cv2.imread(TEMPLATE_IMG_FILE_PATH, cv2.IMREAD_GRAYSCALE)


def get_templateMatchings(icons: List[Any], template: Any) -> List[object]:
    def get_nameValDict(icon: Any):
        return {
            'name': icon['name'],
            'val': cv2.matchTemplate(icon['mat'], template, cv2.TM_CCORR_NORMED)[0][0]
        }
    return list(map(get_nameValDict, icons))


def main() -> None:
    iconFileNames = get_iconFileNames()
    iconImgMatList = get_iconImgMatList(iconFileNames)
    templateImgMat = get_templateImgMat()
    templateMatchedList = get_templateMatchings(iconImgMatList, templateImgMat)

    pprint.pprint(sorted(templateMatchedList,
                  key=lambda x: x['val'], reverse=True))


main()

動作

検索対象としてAWSサービスのアイコン画像を用意。

引数にテンプレートとしたいサービスを指定してスクリプトを実行すると、各種アイコン画像に対してTemplateMatchingが行われ、適合度順で結果を取得できます。

Amazon_EFSのアイコンは、Amazon_EC2が最も適合度が高く、AWS_CodeBuildが最も低いとのこと。

$  python templateMatch.py Amazon_EFS
[{'name': 'Amazon_EFS', 'val': 1.0},
 {'name': 'Amazon_EC2', 'val': 0.9395257},
 {'name': 'AWS_Lambda', 'val': 0.93662506},
 {'name': 'Amazon_CloudWatch', 'val': 0.89988333},
 {'name': 'Amazon_SageMaker', 'val': 0.89924395},
 {'name': 'Amazon_AWS_Organizations', 'val': 0.89269716},
 {'name': 'Amazon_KinesisVideoStream', 'val': 0.8878451},
 {'name': 'Amazon_CloudFront', 'val': 0.88632554},
 {'name': 'Amazon_KinesisDataAnalytics', 'val': 0.88607734},
 {'name': 'Amazon_QuickSight', 'val': 0.8835226},
 {'name': 'AWS_IAM', 'val': 0.8807701},
 {'name': 'AWS_CodeBuild', 'val': 0.8734735}]

Amazon_KinesisDataAnalyticsのアイコンは、Amazon_KinesisVideoStreamと最も適合度が高いとのことで、両者はアイコンが似ているのでこれは納得です。TemplateMatchingによる検出が上手く出来ているようですね。

$  python templateMatch.py Amazon_KinesisDataAnalytics
[{'name': 'Amazon_KinesisDataAnalytics', 'val': 0.99999994},
 {'name': 'Amazon_KinesisVideoStream', 'val': 0.9644058},
 {'name': 'AWS_Lambda', 'val': 0.9121719},
 {'name': 'Amazon_EC2', 'val': 0.90480083},
 {'name': 'Amazon_CloudWatch', 'val': 0.8934901},
 {'name': 'Amazon_EFS', 'val': 0.88607734},
 {'name': 'Amazon_SageMaker', 'val': 0.8837707},
 {'name': 'Amazon_AWS_Organizations', 'val': 0.8824213},
 {'name': 'Amazon_CloudFront', 'val': 0.8748613},
 {'name': 'Amazon_QuickSight', 'val': 0.8735345},
 {'name': 'AWS_IAM', 'val': 0.87245643},
 {'name': 'AWS_CodeBuild', 'val': 0.84382296}]