OpenCV竟然可以这样学！成神之路终将不远（二十七）

返回目录

目录

27 模板匹配

27.1 目标

27.2 理论

27.3 OpenCV中的模板匹配

27.4 多对象的模板匹配

---

27 模板匹配

27.1 目标

在本章中，您将学习：使用模板匹配在图像中查找对象。你将看到以下功能：

cv.matchTemplate()，cv.minMaxLoc()

27.2 理论

模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV带有一个函数cv.matchTemplate()。 它只是将模板图像滑动到输入图像上（就像在2D卷积中一样），然后在模板图像下比较模板和输入图像的拼图。 OpenCV中实现了几种比较方法。（您可以检查文档以了解更多详细信息）。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配的程度。

如果输入图像的大小为(W*H) ，而模板图像的大小为(w*h) ，则输出图像的大小将为(W-w+1, H-h+1) 。得到结果后，可以使用cv.minMaxLoc()函数查找最大/最小值在哪。将其作为矩形的左上角，并以(w，h) 作为矩形的宽度和高度。该矩形是您模板的区域。

注意：如果使用cv.TM_SQDIFF作为比较方法，则最小值提供最佳匹配。

27.3 OpenCV中的模板匹配

作为示例，我们将在吃鸡的图片中搜索飞机的位置。所以我创建了一个模板，如下所示：

我们将尝试所有比较方法，以便我们可以看到它们的结果如何，具体代码如下：

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

# 读取地图
img = cv.imread('map.jpg', 0)
map_copy = img.copy()

# 读取飞机模板
plane = cv.imread('plane.jpg', 0)
w, h = plane.shape[::-1]  # 获取飞机模板的宽高

# 列表中所有的6种比较方法
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 = map_copy.copy()
    method = eval(meth)  # 返回methods每个方法的值
    # print('method:{}, meth:{}'.format(method, meth))

    # 应用模板匹配
    res = cv.matchTemplate(img, plane, method)  # 将模板图像滑动到输入图像上
    # print(cv.minMaxLoc(res))  # minMaxLoc返回最小值、最大值、最小值位置、最大值位置
    min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)  # 获取它们的值

    # 如果方法是TM_SQDIFF或者TM_SQDIFF_NORMED，左下角坐标则取最小值位置
    if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:  # 否则取最大值位置
        top_left = max_loc

    bottom_right = (top_left[0] + w, top_left[1] + h)  # 计算右下角坐标
    cv.rectangle(img, top_left, bottom_right, 255, 2)  # 画出模板的矩形框

    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)  # 设置主要图形标题
    plt.show()

运行结果如下：

您会看到，使用cv.TM_CCORR的结果并不理想。

27.4 多对象的模板匹配

在上一节中，我们在图像中搜索了地图中的飞机，该飞机在图像中仅出现一次。假设您正在搜索具有多次出现的对象，则cv.minMaxLoc()不会为您提供所有位置。在这种情况下，我们将使用阈值化。因此，在此示例中，我们将使用吃鸡地图的屏幕截图，并在其中找到汽车。代码如下：

import cv2 as cv
import numpy as np

# 读取吃鸡地图
img = cv.imread('car_map.jpg')
# 将图像转换为灰度图像
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 读取汽车图像
car = cv.imread('car.jpg', 0)
# 获取汽车图像的宽高
w, h = car.shape[::-1]
res = cv.matchTemplate(gray, car, cv.TM_CCOEFF_NORMED)
threshold = 0.52
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
    cv.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 1)
cv.imwrite('res.jpg', img)

dst = cv.imread('res.jpg')
cv.imshow('dst', dst)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果如下：

效果可能不太理想，啊哈哈哈~~~

---

欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。

顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。