Python-OpenCV之模板匹配

简介

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，计算模板与当前图形被模板覆盖的地方的差别程度，然后将每次计算的结果放入一个矩阵，作为结果输出。假如原图形是A*B大小，而模板是a*b大小，则输出结果的矩阵是（A-a+1）*(B-b+1)

计算模板和图像差别程度的六种方法

1.TM_SQDIFF：计算平方不同，计算出来的值越小，越相关

2.TM_CCORR：计算相关性，计算出来的值越大，越相关

3. TM_CCOEFF：计算相关系数，计算出来的值越大，越相关

4.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

5.TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关

6.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

OpenCV函数模型

cv.matchTemplate(image，template，method)

参数解释

image	用于搜索的输入图像
template	用于匹配的模板
method	用于比较的方法，可选以下六种 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

返回值

返回值为一个二维数组，是原图像各区域与模板的匹配值

经常配套使用的函数

获取最佳匹配区域的位置

cv.minMaxLoc(res)

返回cv.matchTemplate函数返回值中的最大值，最小值，最大值对应区域左上角坐标，最小值对应区域左上角坐标

注：res为cv.matchTemplate函数的返回值

将最佳匹配区域用矩形圈出

cv.rectangle(img2, top_left, bottom_right, 255, 2)

关于该函数的具体信息可参考python-OpenCV之轮廓的查找，绘制，特征，近似，外接矩形中关于外接矩形的内容。

代码示例

import cv2 as cv

img = cv.imread('lena.jpg', 0)
template = cv.imread('lenaface.jpg', 0)
h, w = template.shape[:2]

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

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

    # 匹配方法在methods数组中的的序号
    method = eval(meth)
    res = cv.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv.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 [cv.TM_SQDIFF, cv.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
    cv.rectangle(img2, top_left, bottom_right, 255, 2)
    # 显示出来
    cv.imshow(meth + str('_rec'), img2)

cv.waitKey()
cv.destroyAllWindows()

模板匹配的直接结果（res）与添加矩形后的效果（img2）