模板匹配就是在整个图像区域中发现与给定子图像匹配的小块区域
在OpenCV中,提供了相应的函数完成这个操作:
matchTemplate 函数:在模板和输入图像之间寻找匹配,获得匹配结果图像
minMaxLoc 函数:在给定的矩阵中寻找最大和最小值,并给出它们的位置
几种常见的模板匹配算法:
①TM_SQDIFF是平方差匹配;TM_SQDIFF_NORMED是标准平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。
②TM_CCORR是相关性匹配;TM_CCORR_NORMED是标准相关性匹配。采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。
③TM_CCOEFF是相关性系数匹配;TM_CCOEFF_NORMED是标准相关性系数匹配。将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。
python实现
importcv2importnumpy as np__author__ = "boboa"
deftemplate_demo():
tpl= cv2.imread("image/tpl.jpg")
target= cv2.imread("image/target1.jpg")#cv2.imshow("template_image", tpl)
#cv2.imshow("target image", target)
methods =[cv2.TM_CCOEFF_NORMED, cv2.TM_SQDIFF_NORMED, cv2.TM_CCORR_NORMED]
th, tw= tpl.shape[:2]for md inmethods:print(md)
result=cv2.matchTemplate(target, tpl, md)
min_val, max_val, min_loc, max_loc=cv2.minMaxLoc(result)if md ==cv2.TM_SQDIFF_NORMED:
tl=min_locelse:
tl=max_loc
br= (tl[0] + tw, tl[1] +th)
cv2.rectangle(target, tl, br, (0, 0,255), 2)
cv2.imshow("match-" +np.str(md), target)if __name__ == "__main__":
img= cv2.imread("img1.jpg")#cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
#cv2.imshow("input image", img)
template_demo()
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果