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)