快速学会使用OpenCV进行图片模板匹配

AI_dataloads

已于 2023-10-16 14:49:08 修改

阅读量1.3k

点赞数

文章标签： opencv 人工智能计算机视觉

于 2023-10-15 20:09:13 首次发布

本文链接：https://blog.csdn.net/AI_dataloads/article/details/133846549

版权

引言：

在计算机视觉领域，模板匹配是一种强大的技术，用于在一幅图像中寻找特定图案或物体的位置。OpenCV是一个流行的计算机视觉库，它提供了丰富的工具来执行模板匹配任务。在本篇博客中，我们将学习如何使用OpenCV进行模板匹配，并展示一个简单的示例。

安装OpenCV

首先，确保你已经安装了OpenCV。你可以使用pip在命令提示符安装OpenCV：

pip install opencv-python

模板匹配函数介绍

cv2.matchTemplate是OpenCV库中的一个函数，用于进行模板匹配。它可以在一个给定的图像（源图像）中搜索与一个指定模板图像最相似的区域。具体来说，这个函数会将模板图像滑动遍历源图像的每一个像素点，比较模板图像与源图像每一个小区域的相似度，返回一个灰度图像，每一个像素值表示源图像中对应位置与模板的匹配程度。这个函数在图像处理和计算机视觉任务中，如目标检测、图像识别等，有着广泛的应用。

cv2.matchTemplate函数的原型如下：

cv2.matchTemplate(image, templ, method, result[, mask])

image：这是待搜索的图像，也被称为源图像。
templ：这是搜索模板，需要和源图像具有相同的数据类型，尺寸不能大于源图像。
method：这个参数指定匹配方法：

cv2.TM_SQDIFF: 平方差匹配，返回最小值。

cv2.TM_SQDIFF_NORMED: 归一化平方差匹配，返回最小值。

cv2.TM_CCORR: 相关性匹配，返回最大值。

cv2.TM_CCORR_NORMED: 归一化相关性匹配，返回最大值。

cv2.TM_CCOEFF: 相关性系数匹配，返回最大值。

cv2.TM_CCOEFF_NORMED: 归一化相关性系数匹配，返回最大值。

4.result: 这是一个可选的参数，如果提供，则用于存储比较结果的映射图像。这个图像必须是单通道，32位浮点型图像。如果源图像的尺寸为W*H，模板图像的尺寸为w*h，则结果图像的尺寸一定是 (W-w+1)*(H-h+1)。

5.mask (可选): 这是一个可选参数，通常为None。如果提供，它应该是一个与主图像相同大小的掩码图像。在匹配期间，只有掩码图像中为非零的区域才会被考虑。

模板匹配示例

1. 准备图像

首先，我们需要准备两幅图像 - 主图像和模板图像。主图像是我们要在其中查找模板的图像，而模板图像是我们要在主图像中匹配的小图案。


import cv2 
kele = cv2.imread('kele.png') 
template = cv2.imread('template.png')

2. 执行模板匹配

接下来，我们使用cv2.matchTemplate函数执行模板匹配。这将在主图像中查找模板，并返回一个匹配结果矩阵。

cv2.matchTemplate函数使用归一化相关系数匹配法进行模板匹配，返回相关系数矩阵res。

h, w = template.shape[:2] 
res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED)

3. 查找匹配位置

我们使用cv2.minMaxLoc函数来获取匹配结果矩阵中的最小值、最大值，以及它们的位置。

这里关注的是最大值，因为它表示源图像中与模板最相似的位置。

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

4. 绘制矩形框

有了最大匹配位置后，我们可以在主图像上绘制一个矩形框，以标记匹配的区域。cv2.rectangle函数用于在源图像上绘制这个矩形区域

top_left = max_loc 
bottom_right = (top_left[0] + w, top_left[1] + h) 
kele_template = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2)

5. 显示结果

最后，我们显示带有矩形标记的主图像，以可视化匹配结果，然后等待用户按键并关闭所有窗口。


cv2.imshow('kele_template', kele_template)
cv2.waitKey(100000)
cv2.destroyAllWindows()

完整代码展示

'''图片模板匹配'''
kele = cv2.imread( 'kele.png ')
template = cv2.imread( 'template.png ' )
h ,w = template.shape[ :2]
res = cv2.matchTemplate(kele,template,cv2.TM_CCOEFF_NORMED)
# c v2.minHaxLoc可以获取矩阵中的最小值和最大值.以及最小值的索引号和最大值的索引号
min_val,max_val,min_loc,max_loc = cv2.minMaxLoc(res)#最小值、最大值、最小值位置、最大值位置
top_left = max_loc
bottom_right = (top_left[0]+w ,top_left[1]+h)
kele_template = cv2.rectangle(kele,top_left, bottom_right,(0,255,0),2)#绘删矩形cv2.imshow( ' kele_template ' ,kele_template)
cv2.imshow('kele_template',kele_template)
cv2.waitKey(100000)
cv2.destroyAllWindows()