声明
声明:本系列博客是我在学习OpenCV官方教程中文版(For Python)(段力辉 译)所做的笔记。所以,其中的绝大部分内容引自这本书,博客中的代码也是其配套所附带的代码或书中的代码,侵删。其中部分代码可能会因需要而改动。在本系列博客中,其中包含书中的引用,也包括我自己对知识的理解,思考和总结。本系列博客的目的主要有两个,一个是可以作为我自己的学习笔记,时常复习巩固。第二个是可以为想学习python下的opencv 3 相关知识的朋友提供一些参考。
正文
1.模板匹配简介
模板匹配是用来在一幅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。
- cv2.matchTemplate(image, templ, method, result=None, mask=None)
参数 | 参数解释 |
---|---|
image | 待搜索图像 |
templ | 模板图像 |
method | 计算匹配程度的方法 |
result | 匹配结果 |
2.OpenCV中的几种方法
OpenCV 提供了6种不同的比较方法,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。
以下是OpenCV提供的六种模板匹配算法:
中文 | 英文 |
---|---|
平方差匹配法 | CV_TM_SQDIFF |
归一化平方差匹配法 | CV_TM_SQDIFF_NORMED |
相关匹配法 | CV_TM_CCORR |
归一化相关匹配法 | CV_TM_CCORR_NORMED |
相关系数匹配法 | CV_TM_CCOEFF |
归一化相关系数匹配法 | CV_TM_CCOEFF_NORMED |
我们把六种方法放在一个列表中:
methods = [‘cv2.TM_CCOEFF’, ‘cv2.TM_CCOEFF_NORMED’, ‘cv2.TM_CCORR’,
‘cv2.TM_CCORR_NORMED’, ‘cv2.TM_SQDIFF’, ‘cv2.TM_SQDIFF_NORMED’]
我们将会用到eval()函数和cv2.rectangle函数
- eval() 函数作用:可以接受一个字符串str作为参数,并把这个参数作为脚本代码来执行。
- cv2.rectangle函数:cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])
参数 | 参数解释 |
---|---|
img | 图片 |
pt1 | 矩形的左上角 |
pt2 | 矩形的右下角 |
color | 用 BGR值指定 |
thickness | 矩形边框的厚度 |
lineType | 线的类型 |
shift | 点坐标中的小数位数 |
假设我们要在这张图像中找到嫦娥的面部
首先我们要制作这样一个模板:
我们使用6种方法来实现模板匹配,最后来比较一下它们的效果。
来看看完整代码:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('change.jpg',0)
img2 = img.copy()
template = cv2.imread('change_face.png',0)
w, h = template.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()
method = eval(meth)
res = cv2.matchTemplate(img,template,method)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
top_left = min_loc
else:
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(img,top_left, bottom_right, 255, 2)
plt.subplot(121),plt.imshow(res,cmap = 'gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img,cmap = 'gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth)
plt.show()
运行结果:
明显看到,相关匹配法CV_TM_CCORR的效果不理想。
感谢观看!
如有错误,欢迎批评指正!