opencv教程（基于python）----模板匹配

模板匹配日是在一幅大图中寻找莫版图位置的方法，是不是觉得很有用啊。和2d卷积一样，它是模板图下大图上滑动，并在每一个位置对模板图象和其对应的输入图象的子区域进行比较。
这里主要介绍两个函数，cv2.matchTemplate，cv2.minMaxLoc。matchTemplate函数是关于图象匹配的，返回的结果是一个灰度图象，每一个像素值显示了此区域与模板的匹配程度，越亮说明相似程度越大。minMaxLoc函数是找到矩阵的最大值和最小值。

cv2.matchTemplate(image, templ, method, result=None, mask=None)

• 第一个参数是输入图象
• 第二个参数是目标图象

• 第三个参数是模式(这个是c++的写法，python很类似)

  • method=CV_TM_SQDIFF ，最小值才是匹配的区域$R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2$
  • method=CV_TM_SQDIFF_NORMED$R(x,y)= \frac{\sum_{x',y'} (T(x',y')-I(x+x',y+y'))^2}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$
  • method=CV_TM_CCORR$R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))$
  • method=CV_TM_CCORR_NORMED$R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I(x+x',y+y'))}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$
  • method=CV_TM_CCOEFF$R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I'(x+x',y+y'))$
  • method=CV_TM_CCOEFF_NORMED$R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }$

• 其他的忽略，返回的结果可以把最佳匹配作为全局的最小值/最大值（根据模式的不同）

cv2.minMaxLoc(src, mask=None)

• 第一个参数是输出的图像
• 输出的是最小值和最大值

import cv2
import numpy as np
import matplotlib.pyplot as plt
img1=cv2.imread('C:/Users/dell/Desktop/00.jpg',0)
img=cv2.imread('C:/Users/dell/Desktop/01.jpg',0)
#copy函数是防止图形在循环中被更改
img2=img.copy()
#截出来的目标图象
img_target=img[260:400,258:372]
w,h=img_target.shape[::-1]
method=['cv2.TM_CCOEFF','cv2.TM_CCOEFF_NORMED','cv2.TM_CCORR',       'cv2.TM_CCORR_MORMED','cv2.TM_SQDIFF','cv2.TM_SQDIFF_NORMED']
for meth in method:
    img=img2.copy()
    #eval函数可以把str转化为list、dict、tuple，具体视情况而定
    method=eval(meth)
    res=cv2.matchTemplate(img,img_target,method)
    min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res)
    #当相面两种参数时选取最小值，否则最大值
    if method in [cv2.TM_SQDIFF,cv2.TM_SQDIFF_NORMED]:
        top_left=min_loc
    else:
        top_left=max_loc
    #依据目标矩阵的大小构建出来的一个矩形坐标。
    bottom_right=(top_left[0]+w,top_left[1]+h)
    cv2.rectangle(img,top_left,bottom_right,255,2)
    plt.subplot(1,2,1),plt.imshow(res)
    plt.title('matching result'),plt.xticks([]),plt.yticks([])
    plt.subplot(1,2,2),plt.imshow(img)
    plt.title('detected point'),plt.xticks([]),plt.yticks([])
    plt.title(meth)
    plt.show()

目标图象是我在原始图像截了一个脸出来






上面几幅图分别展示了不同方式的作用效果。TM_CORR竟然失败了，还是对对其中的数学原理还不是很了解，但是只有先编出来程序了，才是以后了解原理的基础。。