卷积具体介绍这篇文章是我看的最好的:https://blog.csdn.net/qq_39521554/article/details/79083864
CV_TM_SQDIFF 平方差匹配法:该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。
CV_TM_CCORR 相关匹配法:该方法采用乘法操作;数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法:1表示完美的匹配;-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 归一化平方差匹配法
CV_TM_CCORR_NORMED 归一化相关匹配法
CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
import cv2 as cv import numpy as np def template_demo(): tpl = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/pic51.png") target = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/pic5.png") ##输入图像 cv.imshow("template image", tpl) cv.imshow("target image", target) methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED] th, tw = tpl.shape[:2] for md in methods: print(md) result = cv.matchTemplate(target, tpl, md) ##找出相似度的图片,并将坐标定位到左上角位置 ##minVal:極小值,可輸入NULL表示不需要。 #maxVal :極大值,可輸入NULL表示不需要。 #minLoc:極小值的位置,可輸入NULL表示不需要。 #maxLoc:極大值的位置,可輸入NULL表示不需要。 #mask:可有可無的遮罩。 min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result) if md == cv.TM_SQDIFF_NORMED: ##意义通过相似度得到匹配矩阵的一个顶点 tl = min_loc else: tl = max_loc br = (tl[0]+tw, tl[1]+th) ##取出矩阵对角的一个顶点 cv.rectangle(target, tl, br, (0, 0, 255), 2) cv.imshow("match-"+np.str(md), target) ##原匹配结果 ##cv.imshow("match-" + np.str(md), result) ##匹配图灰度结果 print("--------- Python OpenCV Tutorial ---------") src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/contours.png") ##cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE) ##cv.imshow("contours", src) template_demo() cv.waitKey(0) cv.destroyAllWindows()