我正在尝试通过识别原始图像的模板，然后复制与这些模板匹配的区域，使用 opencv 将图像拆分为多个子图像。我是opencv的新手！我使用以下方法识别了子图像：
result = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
经过一些清理后，我得到一个称为点的元组列表，我在其中迭代以显示矩形。tw 和 th 分别是模板的宽度和高度。
for pt in points:
re = cv2.rectangle(img, pt, (pt[0] + tw, pt[1] + th), 0, 2)
print('%s, %s' % (str(pt[0]), str(pt[1])))
count+=1
我想要完成的是将八边形（https://dl.dropbox.com/u/239592/region01.png）保存到单独的文件中。
我怎样才能做到这一点？我读过一些关于轮廓的东西，但我不知道如何使用它。理想情况下，我想勾勒出八角形的轮廓。
非常感谢你的帮助！
如果模板匹配对您有用，请坚持下去。例如，我考虑了以下模板：
然后，我们可以对输入进行预处理，使其成为二进制并丢弃小组件。在这一步之后，进行模板匹配。然后是通过丢弃接近的匹配来过滤匹配的问题（我为此使用了一种虚拟方法，因此如果匹配太多，您可能会看到它需要一些时间）。在我们确定哪些点相距很远（从而识别出不同的六边形）之后，我们可以通过以下方式对它们进行微调：
现在您可以按适当的顺序对该点列表进行排序，以便以光栅顺序完成作物。使用提供的切片很容易实现裁剪部分numpy。
import sys
import cv2
import numpy
outbasename = 'hexagon_%02d.png'
img = cv2.imread(sys.argv[1])
template = cv2.cvtColor(cv2.imread(sys.argv[2]), cv2.COLOR_BGR2GRAY)
theight, twidth = template.shape[:2]
# Binarize the input based on the saturation and value.
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
saturation = hsv[:,:,1]
value = hsv[:,:,2]
value[saturation > 35] = 255
value = cv2.threshold(value, 0, 255, cv2.THRESH_OTSU)[1]
# Pad the image.
value = cv2.copyMakeBorder(255 - value, 3, 3, 3, 3, cv2.BORDER_CONSTANT, value=0)
# Discard small components.
img_clean = numpy.zeros(value.shape, dtype=numpy.uint8)
contours, _ = cv2.findContours(value, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for i, c in enumerate(contours):
area = cv2.contourArea(c)
if area > 500:
cv2.drawContours(img_clean, contours, i, 255, 2)
def closest_pt(a, pt):
if not len(a):
return (float('inf'), float('inf'))
d = a - pt
return a[numpy.argmin((d * d).sum(1))]
match = cv2.matchTemplate(img_clean, template, cv2.TM_CCORR_NORMED)
# Filter matches.
threshold = 0.8
dist_threshold = twidth / 1.5
loc = numpy.where(match > threshold)
ptlist = numpy.zeros((len(loc[0]), 2), dtype=int)
count = 0
print "%d matches" % len(loc[0])
for pt in zip(*loc[::-1]):
cpt = closest_pt(ptlist[:count], pt)
dist = ((cpt[0] - pt[0]) ** 2 + (cpt[1] - pt[1]) ** 2) ** 0.5
if dist > dist_threshold:
ptlist[count] = pt
count += 1
# Adjust points (could do for the x coords too).
ptlist = ptlist[:count]
view = ptlist.ravel().view([('x', int), ('y', int)])
view.sort(order=['y', 'x'])
for i in xrange(1, ptlist.shape[0]):
prev, curr = ptlist[i - 1], ptlist[i]
if abs(curr[1] - prev[1]) < 5:
y = min(curr[1], prev[1])
curr[1], prev[1] = y, y
# Crop in raster order.
view.sort(order=['y', 'x'])
for i, pt in enumerate(ptlist, start=1):
cv2.imwrite(outbasename % i,
img[pt[1]-2:pt[1]+theight-2, pt[0]-2:pt[0]+twidth-2])
print 'Wrote %s' % (outbasename % i)
如果您只想要六边形的轮廓，则裁剪img_clean而不是img（但按光栅顺序对六边形进行排序是没有意义的）。
这是在不修改上面代码的情况下为您的两个示例剪切的不同区域的表示：
对不起，我不明白你的问题是如何关联 matchTemplate 和 Contours。
无论如何，下面是一个使用轮廓的小技巧。假设您的其他图像也与您提供的图像相同。我不确定它是否适用于您的其他图像。但我认为这将有助于创业。自己尝试一下并进行必要的调整和修改。
我做了什么 ：
1 - 我需要八边形的边缘。因此，使用 Otsu 的阈值图像并应用膨胀和腐蚀（或使用您喜欢的任何适用于所有图像的方法，beware of the edges in left edge of image）。
2 - 然后找到轮廓（更多关于轮廓：http: //goo.gl/r0ID0
3 - 对于每个轮廓，找到它的凸包，找到它的面积（A）和周长（P）
4 - 对于一个完美的八角形，P*P/A = 13.25 approximately. 我在这里使用它并剪切并保存它。
5 - 你可以看到裁剪它也去除了八角形的一些边缘。如果需要，请调整裁剪尺寸。
代码 ：
import cv2
import numpy as np
img = cv2.imread('region01.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
thresh = cv2.dilate(thresh,None,iterations = 2)
thresh = cv2.erode(thresh,None)
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
number = 0
for cnt in contours:
hull = cv2.convexHull(cnt)
area = cv2.contourArea(hull)
P = cv2.arcLength(hull,True)
if ((area != 0) and (13<= P**2/area <= 14)):
#cv2.drawContours(img,[hull],0,255,3)
x,y,w,h = cv2.boundingRect(hull)
number = number + 1
roi = img[y:y+h,x:x+w]
cv2.imshow(str(number),roi)
cv2.imwrite("1"+str(number)+".jpg",roi)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
这 6 个八边形将存储为单独的文件。
希望能帮助到你 ！！！