模板匹配

														模板匹配

# 模板匹配
'''
使用模板匹配在一副图像中查找目标
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，
并与每一个位置对模板图像和其对应的输入图像的子区进行比较。
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。假设原图形是AXB大小，而模板是
aXb大小，则输出结果矩阵是（A-a+1）X （B-b+1）

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
'''

准备工作：

import cv2
import numpy as np
import matplotlib.pyplot as plt

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

1.最大值最小值

img = cv2.imread('chen1.jpg', 0)
template = cv2.imread('chen1_template.png', 0)
h, w = template.shape[:2]  # 切成两部分

print("原图的信息：", img.shape)
print("模板图的信息：", template.shape)

methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED', ]

res = cv2.matchTemplate(img, template, 1)
print("执行后的图形的信息：", res.shape)

minVal, maxVal, min_loc, max_loc = cv2.minMaxLoc(res)
'''
minVal: 最小值
maxVal: 最大值
min_loc: 最小值坐标位置
max_loc: 最大值坐标位置
'''
print("最小值：", minVal)
print("最大值：", maxVal)
print("最小值位置：", min_loc)
print("最大值位置：", max_loc)

输出结果：

原图的信息： (451, 640)
模板图的信息： (256, 303)
执行后的图形的信息： (196, 338)
最小值： 0.17760643362998962
最大值： 0.664857029914856
最小值位置： (195, 0)
最大值位置： (336, 94)

2.单模板匹配

for meth in methods:
    img2 = img.copy()

    # 匹配的方法的真值
    method = eval(meth)
    print(method)
    res = cv2.matchTemplate(img, template, method)
    minVal, maxVal, 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
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)

    plt.subplot(121), plt.imshow(res, cmap='gray')
    plt.subplot(122), plt.imshow(img2, cmap='gray')
    plt.suptitle(meth)
    plt.show()
    cv2.waitKey(10000)

输出结果：

3.多模板匹配

# 匹配多个对象
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]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于80%的坐标
img1 = img_rgb.copy()
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):  # *号表示可选参数
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img1, pt, bottom_right, (0, 0, 255), 0)

res = np.hstack((img_rgb, img1))
cv_show('res', res)

输出结果：