关于地板的木纹和图库中的匹配的

Question

关于地板的木纹和图库中的匹配的。
手机拍照的照片，和图片库中的图片，比对，找到图库中相似的图片。

这个提问只是要联系到可以接项目，或者付费技术支持的人。
我在网上找技术方案，效果都不好。
下面是我的实现的代码：效果不好。

import cv2
import numpy as np
import os
import glob


def split_image_into_nine(img):
    h, w = img.shape[:2]
    h_step, w_step = h // 3, w // 3
    parts = []
    for i in range(3):
        for j in range(3):
            part = img[i * h_step:(i + 1) * h_step, j * w_step:(j + 1) * w_step]
            parts.append(part)
    return parts


def template_matching(template, search_image):
    # 转为灰度图
    template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
    search_gray = cv2.cvtColor(search_image, cv2.COLOR_BGR2GRAY)

    res = cv2.matchTemplate(search_gray, template_gray, cv2.TM_CCOEFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    return max_val  # 返回匹配的最高分数


def process_images(dirA, dirB, output_dir):
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    imagesA = glob.glob(os.path.join(dirA, '*.*'))
    imagesB = glob.glob(os.path.join(dirB, '*.*'))

    for imgA_path in imagesA:
        imgA = cv2.imread(imgA_path)
        if imgA is None:
            print(f"无法读取图片: {imgA_path}")
            continue
        parts = split_image_into_nine(imgA)
        max_values = []

        for idx, part in enumerate(parts):
            current_max = -1  # 初始化为一个极小值
            for imgB_path in imagesB:
                imgB = cv2.imread(imgB_path)
                if imgB is None:
                    print(f"无法读取图片: {imgB_path}")
                    continue
                # 需要确保模板不大于搜索图片
                if part.shape[0] > imgB.shape[0] or part.shape[1] > imgB.shape[1]:
                    continue
                match_val = template_matching(part, imgB)
                if match_val > current_max:
                    current_max = match_val
            max_values.append(current_max)
            print(f"图片 {os.path.basename(imgA_path)} 第 {idx + 1} 部分的最大匹配值: {current_max}")

        # 根据需求，您可以对max_values进行进一步处理，如保存为文件
        # 例如，将结果保存为txt文件
        result_path = os.path.join(output_dir, f"{os.path.splitext(os.path.basename(imgA_path))[0]}_result.txt")
        with open(result_path, 'w') as f:
            for idx, val in enumerate(max_values):
                f.write(f"部分 {idx + 1}: {val}\n")
        print(f"处理完成，结果保存在: {result_path}")


if __name__ == "__main__":
    dirA = r'D:\pic\A'  # 替换为实际路径
    dirB = r'D:\pic\B'  # 替换为实际路径
    output_dir = r'D:\pic\AB'  # 替换为实际路径
    process_images(dirA, dirB, output_dir)

Answer 1

以下回复引自免费微信小程序：皆我百晓生。 如问题解决，还请采纳。如仍有疑问，请回复留言或私信博主，以便获得更精准的帮助。

解决这个问题的最佳方法是使用图像处理技术，比如深度学习或机器视觉技术。首先，你需要获取照片和图片库中的图片，并将它们转换为图像格式以便进行识别。然后，你可以使用这些图片来训练一个模型，该模型能够识别出与你想要匹配的图片是否相似。最后，你可以在你的应用程序中显示已匹配的照片，如果需要的话，也可以展示未匹配的照片以供用户参考。

在PYTHON中实现这项任务可能涉及到以下步骤：

1. 使用图像识别库（如OPENCV）读取图片并将其转换为灰度图像。
2. 对于每个图片，使用深度学习或机器视觉算法识别其纹理特征。
3. 根据识别的结果，构建一个分类器，该分类器可以根据纹理特征预测图片的类别。
4. 使用预训练的分类器或自定义分类器训练一个模型。
5. 在应用程序中，从图片库中选择合适的图片并显示它们，而不需要手动输入图片。

请注意，由于这涉及到大量的数据和计算资源，因此需要确保有足够的存储空间和高性能的计算机来运行上述步骤。此外，由于识别过程涉及图像处理和机器学习，可能存在一些复杂性和隐私风险，所以必须采取适当的保护措施。