opencv-模板匹配

模板在原图像上从原点开始滑动，通过计算与原图像的像素点的数据差值来作为结果输出。原图A×B,模板a×b，则输出矩阵为（A-a+1）×（B-b+1） 

单对象模板匹配

cv2.imread()函数完成图像读取

cv2.imread(imgpath,flags)

• imgpath：图片路径
• flags：读入标识符，有三种类型

cv2.IMREAD_COLOR	1	默认，读入一副彩色图片不包括alpha通道或写为1
cv2.IMREAD_GRAYSCALE	0	读入灰度图片或写为0
cv2.IMREAD_UNCHANGED	-1	读入完整图片包括alpha通道或写为-1

flags

cv2.minMaxLoc()函数在数组中找到全局最小和最大值

minVal, maxVal,minLoc,maxLoc =minMaxLoc(src)

• minVal：最小值
• maxVal：最大值
• minVal：最小值坐标位置
• maxVal：最大值坐标位置

cv2.matchTemplate()函数完成模板匹配

cv2.matchTemplate(img,template,flags)

• img：输入图像
• template：模板图像
• flags：差别程度的六个计算方法 

cv2.TM_SQDIFF	计算平方不同，计算出来的值越小越相关
cv2.TM_CCORR	计算相关性，计算出来的值越大越相关
cv2.TM_CCOEFF	计算相关系数，计算的值越大越相关
cv2.TM_SQDIFF_NORMED	计算平方不同并归一化，计算的值越小越相关
cv2.TM_CCORR_NORMED	计算相关性并归一化，计算的值越大越相关
cv2.TM_CCOEFF_NORMED	计算相关系数并归一化，计算的值越大越相关

cv2.TM_SQDIFF 

多对象模板匹配

np.where()函数完成条件判断

np.where(condition,x,y)#第二和第三个参数可选

• 当满足condition时返回满足条件的元素坐标，以元组方式
• 当有x，y时，即满足条件返回x，不满足条件返回y 

img=cv2.imread('mario.png')
img_gray=cv2.cvtcolor(img,cv2.COLOR_BGR2GRAY)
template=cv2.imread('mario_coin',0)
h,w=template.shape[:2]#img.shape[:2]获取高宽
#img.shape[:3]获取高宽通道

res=cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold= 0.8

loc =np.where(res>=threshold)
for pt in zip(*loc[::-1]):
    bottom_templte=(pt[0]+w,pt[1]+h)
    cv2.rectangle(img,pt,bottom_template,(0,0,255),2)

cv_show(img,'img')
cv2.waitKey(0)