HSV 정보에 의한 패턴 매칭 방법
패턴계의 패턴의 매칭에서는 상당히 사용할 수 있는 인상

실시 결과

일러스트의 책상 패턴의 패턴을 바탕으로 책상의 개소를 특정해 보았다

1. 인식 대상 이미지 준비
인식 대상용 이미지를 준비


2. 책상 무늬 패턴 이미지 준비
위의 이미지에서 책상 부분 이미지를 잘라냅니다.


3. 책상 부분을 확인
아래와 같이 책상의 개소만이 마킹된다(밝은 빨강의 개소가 가장 책상의 정확도가 높은 개소)

소스 코드

상기 실시시의 소스 코드입니다

test.py

import cv2
import os

# 対象画像読み込み
img = cv2.imread("targetImg.png",cv2.IMREAD_COLOR)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 画像情報（幅，高さ，チャンネル数，depth）を取得
height, width, channels = img.shape[:3]

# 机模様のテンプレート画像読み込み
imgTmp = cv2.imread("imgTmp.png",cv2.IMREAD_COLOR)
heightTmp, widthTmp, channelsTmp = imgTmp.shape[:3]
hsvTmp = cv2.cvtColor(imgTmp, cv2.COLOR_BGR2HSV)

# マーキング画像生成
imgMark = img

ch_names = {0: 'Hue', 1: 'Saturation', 2: 'Brightness'}

# 対象領域を順に切り出し確認
for x in range(0,int(width / widthTmp)):
    for y in range(0,int(height / heightTmp)):

      # 対象領域を切り出し
      hsvClp = hsv[int(y * heightTmp):int((y + 1) * heightTmp),int(x * widthTmp):int((x + 1) * widthTmp)]

      # 各チャンネルごとにヒストグラムの類似度を算出する。
      scores, hists1, hists2 = [], [], []
      for ch in ch_names:
          h1 = cv2.calcHist([hsvTmp], [ch], None, histSize=[256], ranges=[0, 256])
          h2 = cv2.calcHist([hsvClp], [ch], None, histSize=[256], ranges=[0, 256])
          # 類似度を算出
          score = cv2.compareHist(h1, h2, cv2.HISTCMP_CORREL)
          hists1.append(h1)
          hists2.append(h2)
          scores.append(score)
      mean = np.mean(scores)

      # 一定閾値の箇所のみマーキング 
      if mean > 0.20 :
        cv2.rectangle(imgMark, (int(x * widthTmp), int(y * heightTmp)), (int((x + 1) * widthTmp), int((y + 1) * heightTmp)), (0, 0, int(mean * 500)), 2)

cv2.imwrite("markImg.png", imgMark)

참고문헌

OpenCV - 두 이미지의 유사도를 compareHist()로 계산합니다.