cv.matchTemplate图像模型匹配-OpenCV

最新推荐文章于 2024-08-15 09:43:27 发布

独憩

最新推荐文章于 2024-08-15 09:43:27 发布

阅读量2.8k

点赞数

分类专栏： opencv-python 学习文章标签： python 图像处理 opencv

本文链接：https://blog.csdn.net/qq_54517101/article/details/121624918

版权

opencv-python 学习专栏收录该内容

21 篇文章 2 订阅

订阅专栏

本文介绍了OpenCV中的模板匹配技术，用于在大图像中寻找模板图像的位置。通过使用cv.matchTemplate函数和多种匹配方法，如TM_CCOEFF_NORMED，TM_SQDIFF等，可以计算匹配度并找到最佳匹配区域。示例代码展示了如何在原图像上画出匹配模板的矩形框。此外，还讲解了多模板匹配，通过设置阈值来找出所有匹配度高的区域。

摘要由CSDN通过智能技术生成

模板匹配是一种搜索和寻找模板图像在大图像中的位置的方法，OpenCV提供了cv.matchTemplate函数，其实质是将待匹配的小图像img1在img2上滑动，计算匹配度，得到不同区域的匹配度大小。

cv.matchTemplate（）提供了许多计算匹配度的方法，此处给出演示结果，但是不详细解释。

对于原图像：

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

img = cv.imread(r'XXXX')
img2 = img.copy()
template = cv.imread(r'xxxx')

w= template.shape[0]
h= template.shape[1]
methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
            'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
for meth in methods:
    img = img2.copy()
    method = eval(meth)#由于meth是字符串，所以要进行处理
    res = cv.matchTemplate(img,template,method)
    min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
    if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv.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()

res就是前文提到的匹配度的分布，在有的计算方式中，匹配度越高，计算值越低，例如cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED，故需要特殊处理。

我们利用cv.minMaxLoc找到匹配度最高的地方，并由此在原图像中画出模板。

多模板匹配：

对于原图像：

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

img = cv.imread(r'XXXXX\marry.jpg')
img2 = img.copy()
template = cv.imread(r'XXXXX\marry1.jpg')

w= template.shape[0]
h= template.shape[1]


res = cv.matchTemplate(img2,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8#设置阈值，大于阈值认为被匹配
loc = np.where( res >= threshold)
img = img2.copy()
for pt in zip(*loc[::-1]):
    cv.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
cv.imwrite(r'XXXX\res.png',img)