opencv python模板匹配_Python+OpenCV图像处理之模板匹配

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