python+opencv实现NCC模板旋转匹配（图像处理）_opencv ncc

NCC匹配原理公式：

1.旋转的情况使用圆投影的旋转不变性原理匹配

2.通过对图像进行降采样，从降采样的高层开始匹配筛选匹配点极大地减少了运算量

3.差分简化运算数据量（但是目前实现的差分貌似没有起到加速的效果，主要是计算src的累积和会消耗太多的时间）

4.gitee代码持续改进中gitee代码地址https://gitee.com/lzj12321/ncc_match.git，欢迎交流，最后希望可以实现一个可工业化应用的NCC匹配（1.带旋转，2.不规则模板匹配，3.实时性高）

5.微信同号，支持帮忙做付费项目（哈哈）

注意：

不支持缩放匹配，圆投影匹配目前不输出匹配角度，只是NCC匹配的初步实现，还需很多优化，目前的实现对规则矩形不旋转的匹配还是挺友好的

import math
import numpy as np
import cv2
from PyQt5.QtCore import QTime
 
'''
1.二维数组降维
2.圆投影匹配算法
'''
 
 
def calculate_unrotate_temp_data(temp):
    ####使用圆投影匹配算法####
    temp_mean = np.mean(temp)
    temp_sub_avg = temp - temp_mean
    temp_deviation = np.vdot(temp_sub_avg, temp_sub_avg)
    return temp_deviation, temp_sub_avg
 
 
def calculate_rotate_temp_data(temp):
    temp_column = temp.shape[1]
    temp_row = temp.shape[0]
    if temp_column < temp_row:
        diameter = temp_row
    else:
        diameter = temp_column
    max_radius = math.floor(diameter / 2)
    circle_center = (temp_row / 2, temp_column / 2)
    circle_ring_point = {}
 
    ###统计每个点到中心的半径，并分类###
    for i in range(temp_column):
        for j in range(temp_row):
            radius = round(np.sqrt((i - circle_center[0]) ** 2 + (j - circle_center[1]) ** 2))
            if radius > max_radius:
                continue
            if radius in circle_ring_point.keys():
                circle_ring_point[radius].append(j * temp_column + i)
            else:
                circle_ring_point[radius] = [j * temp_column + i]
 
    ###排序获取每个环上的点###
    circle_ring_point = sorted(circle_ring_point.items(), key=lambda item: item[0])
    circular_projection_data = []
    for item in circ