174 lines
4.9 KiB
Markdown
174 lines
4.9 KiB
Markdown
# 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：
|
||
|
||
```text
|
||
Best match:
|
||
score: 0.9231
|
||
stamp: D:\...\TY037.png
|
||
location: x=412, y=286
|
||
scale: 0.38
|
||
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：
|
||
|
||
```text
|
||
多尺度模板匹配 + 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. 每个尺度执行一次 `cv2.matchTemplate`：
|
||
- 原图灰度分数：主分数。
|
||
- alpha mask：忽略透明区域。
|
||
- 边缘图分数：辅助分数。
|
||
6. 计算综合分：
|
||
|
||
```text
|
||
综合分 = 0.75 * 模板匹配分 + 0.25 * 边缘匹配分
|
||
```
|
||
|
||
7. 保存每张印花的最佳结果：分数、位置、缩放比例、匹配尺寸。
|
||
8. 按综合分排序并 `print` Top N。
|
||
|
||
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。
|
||
|
||
## 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：
|
||
|
||
```text
|
||
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、缩放比例。
|
||
- 对透明 PNG 能忽略透明区域，不让透明背景参与匹配。
|
||
- 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。
|