环境:Python3.8 和 OpenCV
内容:基于灰度的模板匹配
用途:文字识别、目标检测、工件定位、元器件检查
优点:简单
缺点:速度慢
实现步骤:
1.给定原图像I和模板T
2.指定差异度(相似度)评价标准
3.从左向右,从上到下,截取与模板大小相同的原图像区域,与模板计算评分
4.寻找获得最佳匹配
opencv:对RGB彩色图,分别对每个通道计算评分值,再求三个通道的平均值作为最终评分值。
匹配最佳位置:
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 封装图片显示函数
def image_show(image):
if image.ndim == 2:
plt.imshow(image, cmap='gray')
else:
image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
plt.imshow(image)
plt.show()
if __name__ == '__main__':
# 读取灰度图
img_lenna = cv.imread('lenna.png')
# 截取感兴趣区域
img_part = img_lenna[200: 300, 200: 300]
# 模板匹配
img_match = cv.matchTemplate(img_lenna, img_part, cv.TM_CCOEFF_NORMED)
# 绘制热力图
plt.imshow(img_match, cmap='jet')
plt.show()
# 获取最佳位置
minv, maxv, minLoc, maxLoc = cv.minMaxLoc(img_match)
# 显示选择区域
img_lenna = cv.rectangle(img_lenna, maxLoc, (maxLoc[0] + img_part.shape[1], maxLoc[1] + img_part.shape[0]), (125, 125, 0), 2)
# 显示结果
image_show(img_lenna)
匹配多个位置:
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 封装图片显示函数
def image_show(image):
if image.ndim == 2:
plt.imshow(image, cmap='gray')
else:
image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
plt.imshow(image)
plt.show()
if __name__ == '__main__':
# 读取灰度图
img_lenna = cv.imread('lenna.png')
# 截取感兴趣区域
img_part = img_lenna[250: 300, 250: 300]
# 模板匹配
img_match = cv.matchTemplate(img_lenna, img_part, cv.TM_CCOEFF_NORMED)
# 绘制热力图
plt.imshow(img_match, cmap='jet')
plt.show()
# 设定阈值
threshold = 0.7
# 循环选择区域
img_x, img_y = np.where(img_match > threshold)
for (x, y) in zip(img_x, img_y):
img_lenna = cv.rectangle(img_lenna, (x, y), (x + img_part.shape[0], y + img_part.shape[0]), (125, 125, 0), 1)
# 显示结果
image_show(img_lenna)