OpenCV多模板匹配讲解与匹配汽车实战（附Python源码）

最新推荐文章于 2024-04-24 17:07:31 发布

showswoller

最新推荐文章于 2024-04-24 17:07:31 发布

阅读量1.3k

点赞数 13

分类专栏： OpenCV 文章标签：汽车 python opencv 人工智能图像处理

本文链接：https://blog.csdn.net/jiebaoshayebuhui/article/details/128748210

版权

OpenCV 专栏收录该内容

38 篇文章 21 订阅

订阅专栏

需要源码和图片请点赞关注收藏后评论区留言私信~~~

一、多模板匹配

匹配过程中同时查找多个模板的操作叫做多模板匹配，多模板匹配实际上就是进行了n次单模板多目标匹配操作，n的数量为模板总数

实战1：同时匹配三个不同的模板

每一个模板都要做一次单模板多目标匹配，最后把所有模板的匹配结果汇总到一起，单模板多目标匹配的过程可以封装成一个方法，方法参数为模板和原始图像，方法内部将计算结果再加工以下，直接返回所有红框左上角和右下角两点横纵坐标的列表，在方法之外，将所有模板计算得出的坐标汇总到一个列表中，按照这些汇总的坐标一次性将所有红框都绘制出来效果如下

其中模板就是里面的三个图像

部分代码如下

import cv2

def myMatchTemplate(img, templ):  # 自定义方法：获取模板匹配成功后所有红框位置的坐标
    width height, c = templ.hape  # 获取模板图像的宽度、高度和通道数
    results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED)  # 按照标准相关系数匹配
    loc = list()  # 红框的列表
    for i in range(len(results)):  # 遍历结果数组的行            if results[i][j 0.99:  # 如果相关系数大于0.99则认为匹配成功
                # 在列表中添加匹配 j + width, i + height))
    return lo

img = cv2.imread("background2.jpg")  # 读取原始图像
templs = list()  # 模板列templs.append(cv2.imread("template.png"))  # 添加模板1
templs.append(cv2.imr=d("tempe2.=png"))  # 添加模板2
templs.append(cv2.imr=ead("template3.png"))  # 添加模板3
=
loc = list()  # 所有模板匹配成功位置的红框坐标列表
for t in templs:  # 遍历所有模板
    loc += myMatchTemplate(img, t)  # 记录该模板匹配得出的

for i in loc:  # 遍历所红框的坐标
    cv2.rectanglimg, (i[0], i[1]), (i[2], i[3]), (0, 0, 255), 2)  # 在图片中绘制红框

cv2.imshow("img", img)  # 显示匹配的结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

使用多模板匹配能够解决很多生活中的实际问题，例如一个收费停车场有四个车位，车位上陆续地停放了四辆车，通过多模板匹配，能够知晓这四辆车分别停在了哪个车位上，接下来模拟这一生活场景

实战2：使用多模板匹配让控制台判断四辆车分别停在了哪个车位上

模板图如下

其中车的顺序是橙色-蓝色-红色-绿色

输出结果如下

可见正确的判断了不同车处于哪个停车位上

部分代码如下

import cv2

image = cv2.imread("image.png")  # 读取原始图像
templs = []  # 模板列表
templs.append(cv2.imread("car1.png"))  # 添加模板图像1
templs.append(cv2.("car2.png"))  # 添加模板图像2
templs.aend(cv2.imread("car3.png"))  # 添加模板图像3
templs.append(cv2.imread("car4.png"))  # 添加模板图像3
for car in tems:  # 遍历所有模板图像
    # 按照标准相关系数匹配
    results = cv2.matchTemplate(image, car, cv2.TM_CCOEFF_NORMED)
    for i in range(len(results)):  # 遍历结果数组的行
        for j in range(n(results[i])):  # 遍历结果数组的列
            # print(results[i][j])
            if results[i]] > 0.99:  # 如果相关系数大于0.99则认为匹配成功
                if 0 < j  140:
                    print("车位编号:", 1)
                elif j <= 330:
                    print("车位编号:", 2)
                elif j <= 500:
                    print("车位编号:", 3)
                else:
                    print("车位编号:", 4)
                break

总结

模板匹配包括单模板匹配和多模板匹配，单模板匹配又包括单目标匹配和多目标匹配。实现这些内容的基础方法就是模板匹配方法，即matchTemplate()方法。其中，读者朋友重点掌握模板匹配方法的6个参数值。此外，为了实现单目标匹配，除了需要使用模板匹配方法matchTemplate()外，还要使用minMaxLoc()方法，这个方法返回的就是单目标匹配的最优结果。对于多目标匹配，读者朋友要将它和多模板匹配区分开：多目标匹配只有一个模板，而多模板匹配则有多个模板

创作不易觉得有帮助请点赞关注收藏~~~