opencv学习笔记（10）模板匹配

有一部分搬运自别人的博客，侵删
首先放上别人写的博客，以示尊重：模板匹配(Match Template)

---

模板匹配的工作方式

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。
假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：
（1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像加粗样式**；**
（2）用临时图像和模板图像进行对比，对比结果记为c；
（3）对比结果c，就是结果图像(0,0)处的像素值；
（4）切割输入图像从(0,1)至(10,11)的临时图像，对比，并记录到结果图像；
（5）重复（1）～（4）步直到输入图像的右下角。

模板匹配的匹配方式

opencv中支持以下6种匹配方式：
cv.TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
cv.TM_SQDIFF_NORMED 归一化平方差匹配法
cv.TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
cv.TM_CCORR_NORMED 归一化相关匹配法
cv.TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
cv.TM_CCOEFF_NORMED 归一化相关系数匹配法

代码实现

# coding=UTF-8
import cv2 as cv
import numpy as np

def template_demo():
    tpl = cv.imread("eye.png")
    target = cv.imread("quebangirl.jpg")
    cv.imshow("template image",tpl)
    cv.imshow("target image",target)
    methods = 
    [cv.TM_SQDIFF,cv.TM_SQDIFF_NORMED,
    cv.TM_CCORR,cv.TM_CCORR_NORMED,
    cv.TM_CCOEFF,cv.TM_CCOEFF_NORMED]
    th,tw,channels = tpl.shape
    md = cv.TM_SQDIFF_NORMED #可以在methods里面取一个
    print(md)
    result = cv.matchTemplate(target,tpl,md)
    min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
    if md == cv.TM_SQDIFF_NORMED:
        tl = min_loc
    else:
        tl = max_loc
    br = (tl[0]+tw,tl[1]+th)
    cv.rectangle(target,tl,br,(0,255,255),2)
    cv.imshow("match-"+np.str(md),target)


template_demo()
cv.waitKey(0)
cv.destroyAllWindows()

做下看看效果的话，感觉还是归一化之后的匹配算法效果好，但是相应的，耗时也会增加。
效果如下：
1.（选用md = cv.TM_SQDIFF_NORMED）

2.（选用md = cv.TM_SQDIFF）
效果显然不如归一化的那种！