永兴的笔记-OpenCV-11模版匹配 (python)

一、什么是模版匹配？

• 描述：模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。
• 局限性：模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。
• 定义： 模板就是一副已知的小图像，而模板匹配就是在一副大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像元素，通过一定的算法可以在图中找到目标，确定其坐标位置。

二、模版匹配实现原理（了解即可）：

• 相关法
  以8位灰度图像为例，模板T(m,n)叠放在被搜索图S(W,H)上平移，模板覆盖被搜索图的那块区域叫子图 ，i,j为子图左下角在被搜索图S上的坐标。可以用下式衡量T和 的相似性：
  
  将其归一化，得模板匹配的相关系数：
  
  当模板和子图一样时，相关系数R(i,j)=1，在被搜索图S中完成全部搜索后，找出R的最大值 ，其对应的子图 即为匹配目标。显然，用这种公式做图像匹配运算量最大、速度最慢。 [1]
• 误差法
  误差法即衡量T和 的误差，其公式为：
  
  其中E(i,j)为最小值处即为匹配目标。为提高计算速度，取一误差阈值 ，当E(i,j)> 时便停止该点的计算，继续计算下一点。
  模板越大，匹配速度越慢；模板越小，匹配速度越快。
• 二次匹配误差算法
  二次匹配误差算法中匹配分两次进行。
  
• 在应用模板匹配法进行图像匹配时，应注意以下几点：
  • 归一化互相关注进行匹配，模板应在（M-P+1）×（N-Q+1）个参考位置上进行相关计算，计算量非常大，必要时可以采用序贯相似检验算法、幅度排序相关算法、FFT相关算法、分层搜索序贯判决等方法对其进行改进，以提高运算速度。
  • 模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。
  • 若原图像中要匹配的目标只有部分可见，也无法完全完成匹配。

三、OpenCV实现：
1、基本模版匹配实现：

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

• result是一个结果矩阵&#