Python——OpenCV库的学习（十二）：图像匹配

笔记和用法都在代码注释中：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 原图像大小为： AxB
# 模板大小图像： axb
# 那么：输出矩阵的大小： （A-a+1）x（B-b+1）

# TM_SQDIFF:计算平方不同，计算出来的值越小，越相关
# TM_CCORR:计算相关性，计算出来的值越大，越相关
# TM_CCOEFF:计算相关系数，计算出来的值越大，越相关

# 最好用下面的这三种！！！！
# TM_SQDIFF_NORMED:计算归一化平方不同，计算出来的值越接近0，越相关
# TM_CCORR_NORMED:计算归—化相关性，计算出来的值越接近1，越相关
# TM_CCOEFF_NORMED:计算归一化相关系数，计算出来的值越接近1，越相关

# ------------------------------------------图像匹配：
# img = cv.imread('666.jpg')
# img = cv.resize(img,(500,500))  #原图
# template = cv.imread('template.jpg')  #模板图

# print(img.shape)
# print(template.shape)   #大小不一样！！！
#
# h,w = template.shape[:2]
#
# methods = ['cv.TM_SQDIFF',
#            'cv.TM_CCORR',
#            'cv.TM_CCOEFF',
#            'cv.TM_SQDIFF_NORMED',
#            'cv.TM_CCORR_NORMED',
#            'cv.TM_CCOEFF_NORMED']
#
# for meth in methods:
#     img2 =img.copy()
#
#     #匹配方法的真值：
#     method = eval(meth)
#     print(method)
#     res = cv.matchTemplate(img,template,method)
#     min_val,max_val,min_loc,max_loc = cv.minMaxLoc(res)
#
#     if method in [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)
#
#     #画矩形：
#     cv.rectangle(img2,top_left,bottom_right,255,2)
#
#     plt.subplot(121),plt.imshow(res,cmap='gray')
#     plt.xticks([]),plt.yticks([])  #隐藏坐标轴
#     plt.subplot(121),plt.imshow(img2,cmap='gray')
#     plt.subplot(meth)
#     plt.show()