IG 夺冠啦！王老板火啦！连王老板吃热狗都吃的如此销魂，那我们当然要来在人群中找到他呢！

看到一个美术生的作品，如何 3 秒内找到思聪王。

我找了好久啊，这幅图画的真是魔性，看得眼睛都花了，浪费了我宝贵的上班时间。不得不承认，我，作为一个工科生，3 秒钟是找不到了。但是，我的电脑可以呀！

连美术生都出动调侃王思聪了，工科生怎么能坐以待毙！那我就趁着上班，来做一个自动找王思聪的实现吧。

既然在上班，就要用一种比较专业的方式来展开我的工作。

项目目标：在一群鸭子中找到吃热狗的王思聪

项目实现：Python ，OpenCV

项目成果：0.3 秒内找到

项目技术路线：

获得鸭子同等大小的王思聪；
在原图全局搜索，匹配王思聪所在的位置；
在王思聪周围画个红框；
查看计算机速度；

项目具体实现：

图像处理，作为计算机算法中十分大的一类，现成的代码库中有一个非常适合用来做

1.获得鸭子同等大小的王思聪 —— resize（OpenCV）

这个部分主要是数据的预处理，说得很专业，其实就是用电脑自带的截图工具，截取一个小鸭子，他的大小大约为 36*36。我们就相应地把王思聪 resize 到和小鸭子同等大小，这里采用了插值 inter_cubic 的方式来进行重采样。

王思聪的图来自那位可爱的美术生。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed Nov  7 11:42:02 2018
@author: aaron
"""
import cv2

template = cv2.imread('wangsicong.png')
template = cv2.resize(template, (40, 40),
interpolation=cv2.INTER_CUBIC)

2.在原图全局搜索，匹配王思聪所在的位置 —— matchTemplate （opencv）

OpenCV 作为一个比较全能的图像处理库，能够提供较为许多图像处理的基础，比如边缘监测函数可以直接用于监测图像的边界（OpenCV 也提供了 canny 算子、sobel 算子等）。

这里我们使用模版匹配算法（matchTemplate），他帮助算法在一副图像中找到特定的目标。该函数需要四个参数，

原图 Image
监测目标 detect
匹配结果图 result
匹配衡量方式 method
CV_TM_SQDIFF，平方差
CV_TM_SQDIFF_NORMED，平方差归一化
CV_TM_CCORR，相关度
CV_TM_CCORR_NORMED，相关度归一化
CV_TM_CCOEFF，相关系数
CV_TM_CCOEFF_NORMED，相关系数归一化

因此，该搜索主要是以像素级别的匹配，不会进行缩放；

我们目前的任务中王思聪的色调并没有改变，因此任何一种方法的差异并不是很大。

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]

3.在王思聪周围画个红框 —— minMaxLoc（OpenCV）；

matchTemplate 函数得到的结果是一个灰度数值图，给出的是图像中每一个 detect 范围的匹配程度，灰度数值越大，则相似度越高。

为了画出这个最有可能出现思聪王的位置，我们使用 OpenCVv 的 minMaxLoc 函数来得到思聪王边框的具体位置，并进一步使用 OpenCV 的 rectangle 函数来画出这个框。

# 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()

结果如上！成功！

4.计算机的速度 —— timeit。

Python 的 timeit 模块能够提供代码运算时间的统计，在使用这一模块的使用，总共记录两次时间。一次在所有代码运行之前，一次在所有代码运行之后，两次相减就得到的代码运算的总时间。

这里列出了 timeit 时间统计的方式，但是在具体运行的时候，则需要把上述代码全部放在两次时间获取的中间，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)

我平均跑了十次，2018 年款的 MacBook Air，基本配置的平均时间是 0.2 秒！

目标达成！

PS，👆是为了展示一下 OpenCV 的风采。因此使用了传统的模式匹配流程。如果我们在实际应用中，面对雷同的问题。

首先分析认为，王思聪的脸部颜色和鸭子不一样，且他的脸部颜色只有他独有的；
可以使用滴管功能来得到王思聪脸部颜色的 RGB；
在图中搜索有脸部颜色 RGB 的部分并高亮；
找到王思聪！

OpenCV 是计算机视觉中非常重要的类库，他既可以支持传统计算机视觉处理，也可以支持深度学习计算机视觉。他的底层是 C++，运算速度很快，也提供了 Python 的调用接口，真的省了很多事呢！

感谢观看！