Python图像处理，cv2模块，OpenCV实现模板匹配

前言

利用Python实现OpenCV实现边缘检测。废话不多说。

让我们愉快地开始吧~

开发工具

Python版本： 3.6.4

相关模块：

cv2模块；

以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

模板匹配

模板匹配，就是在整个图像区域里发现与给定子图像相匹配的小块区域

这里需要一个模板图像(给定的子图像)和一个待检测的图像(原图像)

在待检测图像上，从左向右，从上向下计算模板图像与重叠子图像的匹配度，匹配度越大，两者相同的可能性越大

这里主要涉及OpenCV的cv2.matchTemplate()和cv2.minMaxLoc()函数

第一个函数作用是在模板和输入图像之间寻找匹配，获得匹配结果图像

第二个函数的作用则是在给定的矩阵中寻找最大和最小值(包括它们的位置)

其中模板匹配算法有以下六种

# 第一类,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

# 平方差匹配
method=CV_TM_SQDIFF

# 标准平方差匹配
method=CV_TM_SQDIFF_NORMED


# 第二类,采用模板和图像间的乘法操作,所以较大的数表示匹配程度较高,0标识最坏的匹配效果

# 相关匹配
method=CV_TM_CCORR

# 标准相关匹配
method=CV_TM_CCORR_NORMED


# 第三类,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)

# 相关系数匹配
method=CV_TM_CCOEFF

# 标准相关系数匹配
method=CV_TM_CCOEFF_NORMED

标准化意味着将数值统一到0~1

检索图像

看一下两张图像，都为灰度图

import cv2