cmbot/docs/12-stamp-template-matching.md

合并图印花内容匹配设计

1. 文档定位

本文档记录一个独立小工具需求：给定一张衣服图片（通常是已经合成好的效果图）和一个印花目录，通过图像内容匹配找出这张衣服图中最可能使用的是哪一张印花。

该需求不同于 match_stamp.py 当前的文件名后缀匹配。文件名匹配依赖 1_TY037.png -> TY037.png 这种命名规则；本文档讨论的是即使不知道文件名编码，也从图片内容上匹配印花。

第一阶段先做独立脚本验证，不接入 GUI，不改现有添加印花 / AI 穿搭流程。

2. 输入与输出

输入：

• MERGED_IMAGE：一张衣服图片，可理解为合并后的图片，例如 output\20260623_094529\TY037\1_TY037.png。
• STAMP_DIR：印花图片目录，例如 D:\chengma\印花和底图\已处理印花\卡通71（66大码200斤 KEKE已上）\横1。

输出：

• 不保存 CSV。
• 直接 print 匹配结果。
• 默认打印最佳匹配和 Top N 候选，例如：

Best match:
score: 0.9231
stamp: D:\...\TY037.png
location: x=412, y=286
scale_x: 0.38
scale_y: 0.30
aspect_y: 0.80
size: 128x96

Top 5:
1. 0.9231  TY037.png
2. 0.6112  TY049.png
...

3. 方案比较

3.1 纯文件名匹配

按 1_TY037.png 提取 TY037，再找 TY037.png。

优点：

• 最快、最稳定。
• 不依赖图像算法。

缺点：

• 只能在命名规则可靠时使用。
• 不满足当前“根据图片内容找印花”的需求。

3.2 OpenCV matchTemplate

把每张印花当模板，在衣服图中滑动匹配，取最高相关分。

优点：

• 实现简单。
• 能输出匹配位置、分数、缩放尺寸。
• 对数字合成图比较有效。

缺点：

• 对缩放敏感，需要多尺度搜索。
• 对宽高不等比例变形敏感，例如印花原图 1000x1000 合成时被改成 1000x800，只做等比例缩放时分数会下降。
• 对旋转、透视、明显变色不够稳。
• 背景透明 PNG 需要使用 alpha mask，否则透明区域会干扰分数。

3.3 边缘辅助匹配

把合并图和印花都转成边缘图，再做匹配，用来辅助模板匹配分数。

优点：

• 对颜色变化更稳。
• 可减少纯颜色差异造成的误判。

缺点：

• 衣服纹理、褶皱和背景也会产生边缘，可能带来误匹配。
• 不能单独作为唯一判断，更适合作为辅助分数。

3.4 ORB / SIFT 特征点匹配

提取局部特征点，再做特征匹配。

优点：

• 理论上更能抗缩放和旋转。

缺点：

• 很多印花是卡通、大色块、线条少，特征点可能不足。
• 结果不如模板匹配直观，调参成本更高。

3.5 深度特征 / CLIP

用图像 embedding 比较相似度。

优点：

• 对变形、颜色变化和局部差异更鲁棒。

缺点：

• 依赖模型，部署重。
• 不适合当前“独立脚本快速验证”阶段。

4. 推荐方案

第一版采用：

多尺度模板匹配 + 有限宽高比变形 + alpha mask + 边缘辅助分数

处理流程：

1. 读取 MERGED_IMAGE。
2. 遍历 STAMP_DIR 下所有支持图片。
3. 对每张印花保留 alpha 通道；如果没有 alpha，则按整张图参与匹配。
4. 对印花做多尺度缩放，例如 0.10 ~ 2.00。
5. 在每个基础缩放比例上，再尝试有限的宽高比变形，例如：

aspect_y: 0.60 / 0.70 / 0.80 / 0.90 / 1.00 / 1.10 / 1.20
scale_x = scale
scale_y = scale * aspect_y

示例：原印花 1000x1000，合成后变为 1000x800，可由 scale_x=1.00、scale_y=0.80、aspect_y=0.80 覆盖。

6. 每个 scale_x / scale_y 组合执行一次 cv2.matchTemplate：
   • RGB 彩色分数：主分数，比灰度分数更能区分颜色相近但内容不同的印花。
   • alpha mask：忽略透明区域。
   • 边缘图分数：辅助分数。
7. 计算综合分：

综合分 = 0.75 * 模板匹配分 + 0.25 * 边缘匹配分

8. 保存每张印花的最佳结果：分数、位置、scale_x、scale_y、aspect_y、匹配尺寸。
9. 按综合分排序并 print Top N。

不建议直接暴力搜索完整的 scale_x × scale_y 网格，因为运行量会明显放大。优先采用“基础 scale + 少量 aspect_y 候选”的方式，覆盖常见压扁 / 拉伸场景，同时控制耗时。

先不做旋转搜索。若实际发现印花经常旋转，再增加角度搜索，例如 -30° ~ 30°，但运行会明显变慢。

4.1 宽高不等比例变形说明

合并衣服和印花时，如果用户或模板把印花宽高分别设置为不同数值，原始印花可能发生非等比例变形。例如：

原始印花：1000x1000
合成尺寸：1000x800

这种情况下，只搜索单个 scale 的版本不够稳。因为等比例搜索只能生成：

800x800
1000x1000
1200x1200

无法直接生成 1000x800。因此后续代码应支持独立的 scale_x 和 scale_y，但搜索范围应保持克制：

• 继续保留基础 scale，控制整体尺寸。
• 增加少量 aspect_y 候选，控制高度相对宽度的压缩 / 拉伸。
• 默认不做所有 scale_x × scale_y 组合，避免每张印花匹配次数过多。

输出也应从单一：

scale: 0.38

改为：

scale_x: 0.38
scale_y: 0.30
aspect_y: 0.80

这样可以直接看出匹配结果是否依赖宽高不等比例变形。

5. 第三方库

最小依赖：

• opencv-python：模板匹配、灰度转换、缩放、边缘检测。
• numpy：OpenCV 图像数组处理。

建议依赖：

• Pillow：用于读取 Windows 中文路径图片，再转成 numpy 数组，避免 OpenCV 在中文路径上不稳定。

当前开发机已确认可用：

cv2: 可用
numpy: 可用
PIL: 可用

如果后续需要把脚本交给其它机器使用，需要补充安装说明，或把 opencv-python / numpy 写入独立工具依赖说明。是否纳入项目 requirements.txt 需另行决定；当前阶段先不改项目依赖。

6. 独立脚本约束

• 脚本不引用 cmbot 现有代码。
• 脚本不修改、移动、删除原始图片或合并图片。
• 第一版只 print 结果，不写 CSV、不写 Excel。
• 支持 Windows 中文路径。
• 默认只处理一张 MERGED_IMAGE；批量目录匹配可作为后续扩展。

7. 验收要点

• 给定 1_TY037.png 和包含 TY037.png 的印花目录，Top 1 应优先命中 TY037.png。
• 能打印 Top N 候选、综合分、模板分、边缘分、匹配坐标、scale_x、scale_y、aspect_y。
• 对透明 PNG 能忽略透明区域，不让透明背景参与匹配。
• 对 1000x1000 -> 1000x800 这类非等比例变形，能通过 aspect_y=0.80 附近候选提高匹配稳定性。
• 找不到可靠匹配时仍打印 Top N，并提示分数偏低，便于人工判断。