基于灰度值平方差的图像匹配

import numpy as np
import math
import cv2

# 读取目标图片
target = cv2.imread("Resources/target3.jpg")
# 读取模板图片
template = cv2.imread("Resources/template2.jpg")
# 将目标图片转换为灰度图片
target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY)
# 将模板图片转换为灰度图片
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 获取目标图片的大小
target_x, target_y = target.shape
# 获取模板图片的大小
template_x, template_y = template.shape
# 计算候选框的数量
candidate_x = target_x - template_x
candidate_y = target_y - template_y

# 进行灰度匹配并记录方差
SQUSum = np.zeros((candidate_x, candidate_y), np.int)  # 记录每个候选框概率分布
# 循环每一个候选框
for i in range(candidate_x):
    # print(f'loop {i}')
    for j in range(candidate_y):
        # 1.计算候选框的概率分布
        for m in range(template_x):
            for n in range(template_y):
                # 统计第i行第j列的候选框的每个灰度值的数量
                SQUSum[i][j] += math.pow(int(target[i + m, j + n]) - int(template[m][n]), 2)

bm = SQUSum.min()  # 获取最小值
index = np.unravel_index(SQUSum.argmin(), SQUSum.shape)  # 获取最小值索引
print("最小平方差", bm)
print('最小平方差索引', index)
cv2.rectangle(target, index, (index[0] + template_y, index[1] + template_x), (0, 255, 225), 2)
cv2.imshow('Result', target)
cv2.resizeWindow('Result', 200, 50)
cv2.imshow('Template', template)
cv2.resizeWindow('Template', 200, 50)
cv2.waitKey()