OpenCV--模板匹配

OpenCV–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（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。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)

匹配方法：

公式参考官网：opencv

• 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

函数：

result = cv.matchTemplate( image, templ, method[, result[, mask]] )

minVal, maxVal, minLoc, maxLoc = cv.minMaxLoc( src[, mask] )
找到矩阵中最大、最小的值，以及返回相应的坐标

单目标匹配示例：

img = cv2.imread('lena.jpg', 0)
template = cv2.imread('face.jpg', 0)
h, w = template.shape[:2] 
print(img.shape)
print(template.shape)

(263, 263)
(110, 85)

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, cv2.TM_SQDIFF)
print(res.shape)

(154, 179)

#利用minMaxLoc()函数获取最大点或者最小点的位置，然后用这个点加上模板的h, w以获得匹配位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print("minVal:", minVal)
print("maxVal:", maxVal)
print("minLoc:", minLoc)
print("maxLoc:", maxLoc)

minVal: 39168.0
maxVal: 74403584.0
minLoc: (107, 89)
maxLoc: (159, 62)

for method in methods:
    img2 = img.copy()
    meth = eval(method)
    print(meth)
    res = cv.matchTemplate(img2, template, meth)
    minVal, maxVal, minLoc, maxLoc = cv.minMaxLoc(res)
    
    #如果是平方差或者归一化平方差方法，则取最小值
    if meth in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
        top_loc = minLoc
    else:
        top_loc = maxLoc
    
    #获取右下角匹配位置
    bottom_loc = (top_loc[0]+w, top_loc[1]+h)
    
    #画出匹配位置矩形
    cv.rectangle(img2, top_loc, bottom_loc, 255, 2)
    
    #结果展示
    plt.subplot(121), plt.imshow(res, "gray")
    plt.xticks([]), plt.yticks([])  #隐藏坐标轴
    plt.subplot(122), plt.imshow(img2, "gray")
    plt.xticks([]), plt.yticks([])
    plt.suptitle(method)
    plt.show()

多目标 匹配示例：

#匹配多个对象
'''
注意OpenCV读取图片的shape顺序为（高，宽，通道），
而rectangle（）函数的坐标点是（x, y），所以需要将坐标进行转化。

'''

img = cv.imread("./img/mario.jpg")
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
template = cv.imread("./img/mario_coin.jpg", 0)
h, w = template.shape[:2]

res = cv.matchTemplate(img_gray, template, cv.TM_CCOEFF_NORMED)
"""
res中越接近1的像素点匹配的程度越高， 由于是多个对象匹配所以在这里不直接选取最大值，
而是选取一个阈值，在超过这个阈值时，我们认为是需要匹配的对象

"""
threshold = 0.8
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
    #-1的作用是将坐标点的高和宽倒置以使得满足（x, y）
    bottom_right = (pt[0] + w,pt[1] + h)
    cv.rectangle(img, pt, bottom_right, (0,0,255), 2)
    
cv_show("img",img)