python乘法模板_基于矩阵乘法的numpy模板匹配

我正试图通过沿图像移动模板来匹配二值图像（只有黑白）。并返回模板和图像之间的最小距离，以及出现该最小距离的相应位置。例如：

图像：0 1 0

0 0 1

0 1 1

模板：

^{pr2}$

此模板与位置（1,1）处的图像最匹配，距离将为0。到目前为止，事情并不是太困难，我已经得到了一些代码，可以做到这一点。在def match_template(img, template):

mindist = float('inf')

idx = (-1,-1)

for y in xrange(img.shape[1]-template.shape[1]+1):

for x in xrange(img.shape[0]-template.shape[0]+1):

#calculate Euclidean distance

dist = np.sqrt(np.sum(np.square(template - img[x:x+template.shape[0],y:y+template.shape[1]])))

if dist < mindist:

mindist = dist

idx = (x,y)

return [mindist, idx]

但是对于我需要的大小的图像（图像在500 x 200像素之间，模板在250 x 100之间），这已经花费了大约4.5秒，这太慢了。我知道使用矩阵乘法可以更快地完成同样的事情（在matlab中，我相信可以使用im2col和repmat来完成）。有人能解释一下怎么用python/numpy来做吗？在

顺便说一句，我知道有一个opencvmatchtemplate函数可以完全满足我的需要，但是由于我以后可能需要稍微修改代码，所以我更喜欢一个我完全理解并可以修改的解决方案。在

谢谢！在

编辑：如果有人能解释一下opencv是如何在不到0.2秒的时间内做到这一点的，那也太棒了。我看了一下源代码，但是这些东西对我来说总是很复杂。在

编辑2：赛顿代码import numpy as np

cimport numpy as np

DTYPE = np.int

ctypedef np.int_t DTYPE_t

def match_template(np.ndarray img, np.ndarray template):

cdef float mindist = float('inf')

cdef int x_coord = -1

cdef int y_coord = -1

cdef float dist

cdef unsigned int x, y

cdef int img_width = img.shape[0]

cdef int img_height = img.shape[1]

cdef int template_width = template.shape[0]

cdef int template_height = template.shape[1]

cdef int range_x = img_width-template_width+1

cdef int range_y = img_height-template_height+1

for y from 0 <= y < range_y:

for x from 0 <= x < range_x:

dist = np.sqrt(np.sum(np.square(template - img[ x:(x+template_width), y:(y+template_height) ]))) #calculate euclidean distance

if dist < mindist:

mindist = dist

x_coord = x

y_coord = y

return [mindist, (x_coord,y_coord)]

img = np.asarray(img, dtype=DTYPE)

template = np.asarray(template, dtype=DTYPE)

match_template(img, template)