找到思聰王
IG 奪冠啦！王老闆火啦！連王老闆吃熱狗都吃的如此銷魂，那我們當然要來在人群中找到他呢！
看到一個美術生的作品，如何 3 秒內找到思聰王。
我找了好久啊，這幅圖畫的真是魔性，看得眼睛都花了，浪費了我寶貴的上班時間。不得不承認，我，作為一個工科生，3 秒鐘是找不到了。但是，我的電腦可以呀！
連美術生都出動調侃王思聰了，工科生怎麼能坐以待斃！那我就趁著上班，來做一個自動找王思聰的實現吧。
既然在上班，就要用一種比較專業的方式來展開我的工作。
專案目標： 在一群鴨子中找到 吃熱狗的 王思聰
專案成果：0.3 秒內找到
專案技術路線：
- 獲得鴨子同等大小的王思聰；
- 在原圖全域性搜尋，匹配王思聰所在的位置；
- 在王思聰周圍畫個紅框；
- 檢視計算機速度；
專案具體實現：
影象處理，作為計算機演算法中十分大的一類，現成的程式碼庫中有一個非常適合用來做
1.獲得鴨子同等大小的王思聰 —— resize（OpenCV）
這個部分主要是資料的預處理，說得很專業，其實就是用電腦自帶的截圖工具，擷取一個小鴨子，他的大小大約為 36*36。我們就相應地把王思聰 resize 到和小鴨子同等大小，這裡採用了插值 inter_cubic 的方式來進行重取樣。
王思聰的圖來自 那位可愛的美術生。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed Nov7 11:42:02 2018
@author: aaron
"""
import cv2
template = cv2.imread('wangsicong.png')
template = cv2.resize(template, (40, 40),
interpolation=cv2.INTER_CUBIC)複製程式碼
2.在原圖全域性搜尋，匹配王思聰所在的位置 —— matchTemplate （opencv）
OpenCV 作為一個比較全能的影象處理庫，能夠提供較為許多影象處理的基礎，比如邊緣監測函式可以直接用於監測影象的邊界（OpenCV 也提供了 canny 運算元、sobel 運算元等）。
這裡我們使用 模版匹配演算法（matchTemplate），他幫助演算法在一副影象中找到特定的目標。該函式需要四個引數，
- 原圖 Image
- 監測目標 detect
- 匹配結果圖 result
- 匹配衡量方式 method
- CV_TM_SQDIFF，平方差
- CV_TM_SQDIFF_NORMED，平方差歸一化
- CV_TM_CCORR，相關度
- CV_TM_CCORR_NORMED，相關度歸一化
- CV_TM_CCOEFF，相關係數
- CV_TM_CCOEFF_NORMED，相關係數歸一化
因此，該搜尋主要是以畫素級別的匹配，不會進行縮放；
我們目前的任務中王思聰的色調並沒有改變，因此任何一種方法的差異並不是很大。
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('image.jpg')
template = cv2.imread('detect.png')
# Apply template Matching
res = cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))
# Get the size of template
w, h = template[:,:,0].shape[::-1]複製程式碼
3.在王思聰周圍畫個紅框 —— minMaxLoc（OpenCV）；
matchTemplate 函式得到的結果是一個灰度數值圖，給出的是影象中每一個 detect 範圍的匹配程度，灰度數值越大，則相似度越高。
為了畫出這個最有可能出現思聰王的位置，我們使用 OpenCVv 的 minMaxLoc 函式來得到思聰王邊框的具體位置，並進一步使用 OpenCV 的 rectangle 函式來畫出這個框。
# Get anchor for templateMatch result
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# draw rectangle
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
imgplt = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.rectangle(imgplt,top_left, bottom_right, 255, 2)
# show image
plt.imshow(imgplt)
plt.title('Detected results'), plt.xticks([]), plt.yticks([])
plt.show()
複製程式碼
結果如上！成功！
4.計算機的速度 —— timeit。
Python 的 timeit 模組能夠提供 程式碼運算時間 的統計，在使用這一模組的使用，總共記錄兩次時間。一次在所有程式碼執行之前，一次在所有程式碼執行之後，兩次相減就得到的 程式碼運算的 總時間。
這裡列出了 timeit 時間統計的方式，但是在具體執行的時候，則需要把上述程式碼全部放在兩次時間獲取的中間，也就是下述第四行的位置。
import timeit
start = timeit.default_timer()
# All your code above
stop = timeit.default_timer()
print('Time: ', stop - start)
複製程式碼
我平均跑了十次，2018 年款的 MacBook Air，基本配置的平均時間是 0.2 秒！
目標達成！
PS，:point_up_2:是為了展示一下 OpenCV 的風采。因此使用了傳統的模式匹配流程。如果我們在實際應用中，面對雷同的問題。
- 首先分析認為，王思聰的臉部顏色和鴨子不一樣，且他的臉部顏色只有他獨有的；
- 可以使用 滴管 功能來得到 王思聰臉部顏色的 RGB；
- 在圖中搜索有 臉部顏色 RGB 的部分 並 高亮；
- 找到 王思聰！
OpenCV 是 計算機視覺 中非常重要的類庫，他既可以支援傳統計算機視覺處理，也可以支援 深度學習計算機視覺。他的底層是 C++，運算速度很快，也提供了 Python 的呼叫介面，真的省了很多事呢！
感謝觀看！