【python opencv】模板匹配

目标

在本章中，您将学习 - 使用模板匹配在图像中查找对象 - 你将看到以下功能：cv.matchTemplate()，cv.minMaxLoc()

理论

模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV带有一个函数**cv.matchTemplate**()。 它只是将模板图​​像滑动到输入图像上（就像在2D卷积中一样），然后在模板图像下比较模板和输入图像的拼图。 OpenCV中实现了几种比较方法。（您可以检查文档以了解更多详细信息）。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配的程度。

如果输入图像的大小为(WxH)，而模板图像的大小为(wxh)，则输出图像的大小将为(W-w + 1，H-h + 1)。得到结果后，可以使用**cv.minMaxLoc**()函数查找最大/最小值在哪。将其作为矩形的左上角，并以(w，h)作为矩形的宽度和高度。该矩形是您模板的区域。

注意 如果使用**cv.TM_SQDIFF**作为比较方法，则最小值提供最佳匹配。

OpenCV中的模板匹配

作为示例，我们将在梅西的照片中搜索他的脸。所以我创建了一个模板，如下所示： 

 我们将尝试所有比较方法，以便我们可以看到它们的结果如何：

import cv2 as cv
 numpy as np
from matplotlib  pyplot as plt
img = cv.imread('梅西.jpg',0)
img2 = img.copy()
template = cv.imread(模板.jpg]
# 列表中所有的6种比较方法
methods = [cv.TM_CCOEFF',cv.TM_CCOEFF_NORMEDcv.TM_CCORRcv.TM_CCORR_NORMEDcv.TM_SQDIFFcv.TM_SQDIFF_NORMEDfor meth in methods:
    img = img2.copy()
    method = eval(meth)
     应用模板匹配
    res = cv.matchTemplate(img,template,method)
    min_val,max_val,min_loc,max_loc = cv.minMaxLoc(res)
     如果方法是TM_SQDIFF或TM_SQDIFF_NORMED，则取最小值
    if method  [cv.TM_SQDIFF,cv.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w,top_left[1] + h)
    cv.rectangle(img,top_left,bottom_right,255,2)
    plt.subplot(121),plt.imshow(res,cmap = gray)
    plt.title(Matching Result),plt.xticks([]),plt.yticks([])
    plt.subplot(122),plt.imshow(img,1)">Detected Point



您会看到，使用**cv.TM_CCORR**的结果并不理想。
多对象的模板匹配
在上一节中，我们在图像中搜索了梅西的脸，该脸在图像中仅出现一次。假设您正在搜索具有多次出现的对象，则**cv.minMaxLoc**()不会为您提供所有位置。在这种情况下，我们将使用阈值化。因此，在此示例中，我们将使用著名游戏**Mario**的屏幕截图，并在其中找到硬币。

 pyplot as plt
img_rgb = cv.imread(mario.png)
img_gray = cv.cvtColor(img_rgb,cv.COLOR_BGR2GRAY)
template = cv.imread(mario_coin.png]
res = cv.matchTemplate(img_gray,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
    cv.rectangle(img_rgb,pt,(pt[0] + w,pt[1] + h),(0,255),1)">)
cv.imwrite(res.png

 
 
 
参考：http://woshicver.com/FifthSection/4_12_%E6%A8%A1%E6%9D%BF%E5%8C%B9%E9%85%8D/
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [e-mail] 举报，一经查实，本站将立刻删除。