opencv模板匹配

• 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
def cv_show(img, name="img"):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
import cv2
#读取原图和模板
img = cv2.imread('lena.jpg', 0)
template = cv2.imread('face.jpg', 0)
h, w = template.shape[:2] 

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

#保存不同的衡量指标
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

#计算匹配结果
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
res.shape

#查找最小差异的匹配结果
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

import matplotlib.pyplot as plt
%matplotlib inline
for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    print (method)
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值(左上角坐标)
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    #计算右下角坐标
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)
    #绘制不同计算指标的匹配结果
    plt.subplot(121), plt.imshow(res, cmap='gray')  #绘制匹配结果
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
    plt.subplot(122), plt.imshow(img2, cmap='gray') #在原图上绘制矩形匹配结果
    plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    plt.show()

• 模板匹配多个对象

import numpy as np
img_rgb = cv2.imread('mario.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]

#求出匹配结果
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐标
#计算res中值大于0.8的坐标，两个array构成的元组，分别保存第一和第二维的下标   对应图像中的坐标为(y,x)
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):  #先将坐标值逆序为(x,y)
    bottom_right = (pt[0] + w, pt[1] + h)  #计算当前匹配结果的右下角坐标
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)  #在原图上绘制矩形结果
#显示绘制结果
cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)