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!