目标
在本章中,你将学会
- 使用模板匹配来寻找图像中的物体
- 你将看到这些函数:cv.matchTemplate(), cv.minMaxLoc()
理论
模板匹配是一种搜索和寻找模板图像在大图像中的位置的方法。OpenCV为这个目的提供了一个函数cv.matchTemplate()。它只是将模板图像在输入图像上滑动(如二维卷积),并比较模板和模板图像下的输入图像补丁。OpenCV中实现了几种比较方法。(你可以查看文档以了解更多细节)。它返回一个灰度图像,其中每个像素表示该像素的邻近区域与模板的匹配程度。
如果输入图像的大小为(WxH),模板图像的大小为(wxh),那么输出图像的大小为(W-w+1,H-h+1)。一旦你得到了结果,你可以使用cv.minMaxLoc()函数来找到最大/最小值在哪里。把它作为矩形的左上角,把(w,h)作为矩形的宽度和高度。这个矩形就是你的模板区域。
注意
如果你使用cv.TM_SQDIFF作为比较方法,最小值可以得到最好的匹配。
OpenCV中的模板匹配
这里,作为一个例子,我们将在梅西的照片中搜索他的脸。所以我创建了一个模板,如下所示:
我们将尝试所有的比较方法,以便我们可以看到他们的结果是怎样的:
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
img2 = img.copy()
template = cv.imread('template.jpg',0)
w, h = template.shape[::-1]
# 列表中的所有6种比较方法
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:
img = img2.copy()
method = eval(meth)
# 应用模板匹配
res = cv.matchTemplate(img,template,method)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
# 如果方法是TM_SQDIFF或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)
cv.rectangle(img,top_left, bottom_right, 255, 2)
plt.subplot(121),plt.imshow(res,cmap = 'gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img,cmap = 'gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth)
plt.show()
结果如下:
你可以看到,使用cv.TM_CCORR的结果并不像我们预期的那样好。
多对象的模板匹配
在上一节中,我们在图像中搜索Messi的脸,这在图像中只出现了一次。假设你在搜索一个有多次出现的物体,cv.minMaxLoc()不会给你所有的位置。在这种情况下,我们将使用阈值处理。所以在这个例子中,我们将使用著名游戏马里奥的截图,我们将在其中找到硬币。
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img_rgb = cv.imread('mario.png')
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.png',0)
w, h = template.shape[::-1]
res = cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
cv.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
cv.imwrite('res.png',img_rgb)
结果: