OpenCV中的图像基本操作--B站视频教程笔记(七)

在学习B站教学视频的时候记录的笔记

OpenCV+TensorFlow】迪哥带你做项目！深度学习+计算机视觉实战 纯实战教学 技能点加满

---

7.1 模板匹配

模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度。这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)

#模板匹配
img= cv2.imread('H:\Peronal\lena.jpg')
template = cv2.imread('H:\Peronal\\face.png',0)
h,w = template.shape[:2]

 左侧小图为face.png右侧大图为lena.jpg.假设在lena.jpg图像上分割出几个区域，然后找出这几个区域中跟face最像的那个区域。大致思路如下：从A到I每一个与face进行一次匹配，直至找到最为匹配的那个区域完成查找工作（图中的分割示意等分）。

那么每个区域与face如何判断匹配？最简单是每一个像素进行匹配，例如，首先进行（0，0）这个像素点进行比较，数值相同即为匹配。然后再比较(0,1)如此循环直至face的全部像素点都计算一遍。

最终会返回一个匹配结果：

A B ... E ... I

0% 0%... 100% ... 0%

由于匹配方法的不同，结果也不同。但含义是一致的。

• 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

• 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：计算归一化相关性，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

  公式：OpenCV: Object Detection

如图：

 处理过程：

template =