模板匹配
模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。
所以模板匹配首先需要一个模板图像T(给定的子图像),另外需要一个待检测的图像-源图像S。
工作方法:在带检测图像上,从左到右,从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大。
cv2.matchTemplate
模板匹配
matchTemplate(image, templ, method[, result[, mask]]) -> result
- iamge:待搜索图像(大图)
- templ:搜素模板,需和原图一样的数据类型且尺寸不能大于原图像
- 比较结果的映射图像,如果输入图像的大小为(WxH),而模板图像的大小为(wxh),则输出图像的大小将为(W-w+1,H-h+ 1)
- method:
- cv.TM_SQDIFF------平方差匹配法(最好匹配0)
- cv.TM_SQDIFF_NORMED------归一化平方差匹配法(最好匹配0)
- cv.TM_CCORR------相关匹配法(最坏匹配0)
- cv.TM_CCORR_NORMED------归一化相关匹配法(最坏匹配0)
- cv.TM_CCOEFF------.系数匹配法(最好匹配1)
- cv.TM_CCOEFF_NORMED------化相关系数匹配法(最好匹配1)
注意: 如果使用cv.TM_SQDIFF作为比较方法,则最小值提供最佳匹配
cv2.minMaxLoc
寻找最值
minMaxLoc(src[, mask]) -> minVal, maxVal, minLoc, maxLoc
- src:输入单通道图像。
- mask:用于选择子数组的可选掩码。
- minVal:返回的最小值,如果不需要,则使用NULL。
- maxVal:返回的最大值,如果不需要,则使用NULL。
- minLoc:返回的最小位置的指针(在2D情况下); 如果不需要,则使用NULL。
- maxLoc:返回的最大位置的指针(在2D情况下); 如果不需要,则使用NULL。
示例
模板匹配
def template_match(sample, target):
"""模板匹配"""
target_copy = target.copy()
methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED] # 三种模板匹配方法
th, tw = sample.shape[:2] # 获取样本的行,列数
for md in methods:
print(md)
result = cv.matchTemplate(target_copy, sample, md) # 得到匹配结果
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
if md == cv.TM_SQDIFF_NORMED: # cv.TM_SQDIFF_NORMED最小时最相似,其他最大时最相似
tl = min_loc
else:
tl = max_loc
br = (tl[0] + tw, tl[1] + th)
cv.rectangle(target_copy, tl, br, (0, 0, 255), 2) # tl为左上角坐标,br为右下角坐标,从而画出矩形
cv.imshow("match-" + np.str(md), target_copy)
target_copy = target.copy()
结果:
sample和target
match-1,3,5分别对应TM_SQDIFF_NORMED,TM_CCORR_NORMED和TM_CCOEFF_NORMED
注意: 多对象的模板匹配需要使用阈值化的方式,见链接:点击查看
示例
多对象的模板匹配
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)
参考链接: