雾看OpenCV(14)——模板匹配

前言

目标 在本节我们要学习：

1. 使用模板匹配在一幅图像中查找目标
2. 函数：cv2.matchTemplate()，cv2.minMaxLoc()

正文

模板匹配是用来在一副大图中搜寻查找模版图像位置的方法。OpenCV 为 我们提供了函数：cv2.matchTemplate()。和 2D 卷积一样，它也是用模 板图像在输入图像（大图）上滑动，并在每一个位置对模板图像和与其对应的 输入图像的子区域进行比较。OpenCV 提供了几种不同的比较方法（细节请看 文档）。返回的结果是一个灰度图像，每一个像素值表示了此区域与模板的匹配 程度。

如果输入图像的大小是（WxH），模板的大小是（wxh），输出的结果 的大小就是（W-w+1，H-h+1）。当你得到这幅图之后，就可以使用函数 cv2.minMaxLoc() 来找到其中的最小值和最大值的位置了。第一个值为矩 形左上角的点（位置），（w，h）为 moban 模板矩形的宽和高。这个矩形就是 找到的模板区域了。

OpenCV的模板匹配

效果图

流程图

code:

import cv2
import numpy as np
from matplotlib import pyplot as plt


src = cv2.imread("../../images/lena.jpg",0)
img2 = src.copy()
src_temp = cv2.imread("../../images/lena_face.jpg",0)

w,h = src_temp.shape[::-1]
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

for meth in methods:
    img = img2.copy()

    # exec 语句用来执行储存在字符串或文件中的 Python 语句。
    # 例如,我们可以在运行时生成一个包含 Python 代码的字符串,
    # 然后使用 exec 语句执行这些语句。
    # eval 语句用来计算存储在字符串中的有效 Python 表达式
    method = eval(meth)
    res = cv2.matchTemplate(img,src_temp,method)
    minVal,maxVal,minLoc,maxLoc = cv2.minMaxLoc(res)
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        topLeft = minLoc
    else:
        topLeft = maxLoc
    bottom_right = (topLeft[0]+w,topLeft[1]+h)
    cv2.rectangle(img,topLeft,bottom_right,255,2)

    plt.subplot(1,2,1),plt.imshow(res,cmap='gray')
    plt.title('Match Result'),plt.xticks([]),plt.yticks([])
    plt.subplot(1,2,2),plt.imshow(img,cmap='gray')
    plt.title('Detect Point'),plt.xticks([]),plt.yticks([])
    plt.suptitle(meth)
    plt.show()
cv2.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
cv2.destroyAllWindows()

多对象的模板匹配

效果图

流程图

code

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'
src = cv.imread("../../images/mario.png")
cv.imshow("src",src)
src_gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY)
Template = cv.imread("../../images/mario_coin.png",0)
w,h = Template.shape[::-1]

res = cv.matchTemplate(src_gray,Template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where(res>=threshold)

for pt in zip(*loc[::-1]):
    cv.rectangle(src,pt,(pt[0]+w,pt[1]+h),(255,255,0),2)
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
cv.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口

cv.destroyAllWindows()

参考

1. OpenCV-Python-Tutorial-中文版20160814.pdf