OpenCV进阶篇---模板匹配

模板匹配：
cv.matchTemplate(src,template,method)
模板匹配和卷积原理很像，模板在图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别度，这个差别程度的计算方法在OpenCV中有6中，然后将每次计算的结果放图一个矩阵里，作为输出结果。加入原图是AB大小，而模板的大小是ab大小，则输出的结果矩阵是（A-a+1）*（B-b+1）
模板匹配的方法：不同的匹配方式匹配的结果会有所差异

TM_SQDIFF ：计算平方不同，计算出来的值越小，越相关
TM_SQDIFF_NORMED ：计算归一化平方不同，计算出来的值越接近0，越相关
TM_CCORR ：计算相关性，计算出来的值越大，越相关
TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
TM_CCOEFF ：计算相关系数，计算出来的值越大，越相关
TM_CCOEFF_NORMED ： 计算归一化相关系数，计算出来的值越接近1，越相关

模板：

待检测图：

匹配结果：

完整代码：

import cv2 as cv
import matplotlib as plt
import numpy as np
#模板匹配
template=cv.imread("E:\OpenCVTests/teaching\smallLena.png")
target=cv.imread("E:\OpenCVTests\Samples\sample\lena.jpg")
template1=cv.cvtColor(template,cv.COLOR_BGR2GRAY)#都是基于灰度图像的
target1=cv.cvtColor(target,cv.COLOR_BGR2GRAY)
methods=[cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED]#模板匹配的匹配方式
th,tw=template1.shape
for md in methods:
    print(md)#枚举类型的值
    result=cv.matchTemplate(target1,template1,md)#滑动过程中会一次检测出多个矩形窗口,每个算法算出结果的值，每个像素点根据算法都有算出来的对应的值
    minVal,maxVal,minLoc,maxLoc=cv.minMaxLoc(result)#计算出result的最大、最小值，即可得到哪个像素区域是最佳匹配区域，即可得出匹配得到的位置
    if md==cv.TM_SQDIFF_NORMED:#如果匹配方法是‘平方不同’，则应该取最小值，这与‘平方不同’算法得出的结果相关，越相关，result结果越暗，反之。
         tl=minLoc#最左上角的点
    else:
        tl=maxLoc
    br=(tl[0]+tw,tl[1]+th)#bottom right====最右下角的点，在tl的基础上加上长宽即可得，tl[0]、tl[1]表示从最左上角点出发的两个方向
    cv.rectangle(target,tl,br,(0,0,255),2)#绘制矩形，绘制到原图上；tl、br表示长宽，第三个参数为颜色，第四个参数为线的宽度
    #cv.imshow("match"+np.str(md),target)#将md变为str类型
    cv.imshow("match" + np.str(md), target)#将结果图进行显示
cv.waitKey(0)
cv.destroyAllWindows()