python+opencv 模板匹配

1、模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域

2、模板匹配首先要有一个模板图像T（给定的子图像）

3、另外需要一个待检测的图像——源图像S

4、工作方法：在检测图像上，从左到右，从上到下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性就越大。

import cv2 as cv
import numpy as np


def template_demo():
    # tpl是模板图像
    tpl = cv.imread('C:/Users/Y/Pictures/Saved Pictures/tpl.png')
    # target是源图像
    target = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lena.png')
    cv.imshow('template image', tpl)
    cv.imshow('target image', target)
    # 第一个是平方不同，第二个是相关性，第三个是相关性因子
    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]
    # 模板图像的宽、高
    th, tw = tpl.shape[:2]
    for md in methods:
        print(md)
        result = cv.matchTemplate(target, tpl, md)
        # 匹配程度最大的像素值，以及该像素的位置（不同的匹配方法，有不同的衡量标准）
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
        if md == cv.TM_SQDIFF_NORMED:
            tl = min_loc  # tl是矩形左上角坐标
        else:
            tl = max_loc
        br = (tl[0]+tw, tl[1]+th)  # 矩形框右下角坐标
        cv.rectangle(target, tl, br, (0, 0, 255), 2)  # 在target图像上绘制匹配的矩形框
        cv.imshow('match-'+np.str(md), target)
        # cv.imshow('match-'+np.str(md), result)


src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/demo.png')
# cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
# cv.imshow('input image', src)
template_demo()
cv.waitKey(0)
cv.destroyAllWindows()

匹配图像                                              target图像                                                  cv.TM_SQDIFF_NORMED匹配后的图像

 cv.TM_CCORR_NORMED匹配后的图像                   cv.TM_CCOEFF_NORMED匹配后的图像         result-match-11

result-match-3                                                                result-match-5

可以看出，第一幅result图像中有一个明显的黑点，第二幅和第三幅result图像汇总有两个明显的白点，这是匹配程度最高的地方所对应的像素点。