python学opencv|读取图像（五十二）使用cv.matchTemplate()函数实现最佳图像匹配-CSDN博客

本文链接：https://blog.csdn.net/weixin_44855046/article/details/145405130

【1】引言

前序学习了图像的常规读取和基本按位操作技巧，相关文章包括且不限于：

python学opencv|读取图像-CSDN博客

python学opencv|读取图像（四十九）原理探究：使用cv2.bitwise()系列函数实现图像按位运算-CSDN博客

实际上都还是简单的图像操作，在此基础上，我们尝试对图像进行识别。比如在一堆图像里，找出和模板图像最相似的目标图像，这就是本次文章想要学习的目标： cv.matchTemplate()函数。

【2】官网教程

点击下方链接，直达cv.matchTemplate()函数的官网教程：

OpenCV: Object Detection

官网对cv.matchTemplate()函数的解释为：

图1 cv.matchTemplate()函数的官网教程

官网对cv.matchTemplate()函数的参数解释为：

void cv::matchTemplate     (

        InputArray     image,                    #供匹配的图像
        InputArray     templ,                     #匹配参照的模板
        OutputArray     result,                  #匹配结果
        int     method,                              #匹配方法
        InputArray     mask = noArray() ) #掩模矩阵，默认即可，不是此次重点

为对匹配效果进行标记，还需要读取匹配结果，使用cv2.minMaxLoc()函数，点击下方链接可以直达官网说明页面：

OpenCV: Operations on arrays

官网对cv2.minMaxLoc()函数说明页面的相关解释为：

图2 cv.minMaxLoc()函数的官网教程

官网对cv.matchTemplate()函数的参数解释为：

void cv::minMaxLoc     (

        const SparseMat &     a,   #输入数据
        double *     minVal,           #最小值
        double *     maxVal,          #最大值
        int *     minIdx = 0,            #最小坐标
        int *     maxIdx = 0 )          #最大坐标

【3】代码测试

首先引入相关模块和图像：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
srcm = cv.imread('srcm.png') #读取图像srcx.png
srcg = cv.imread('srcg.png') #读取图像srcp.png
srcc = cv.imread('srcc.png') #读取图像srcp.png
rows,cols,cans=srcg.shape #读取图像属性
rowsc,colsc,cansc=srcc.shape #读取图像属性

在这里，以srcm为待匹配图像，srcg和srcc为模板图像，也就是需要匹配两个。

然后进行图像匹配操作：

#匹配结果
results=cv.matchTemplate(srcm,srcg,cv.TM_CCORR_NORMED)
results1=cv.matchTemplate(srcm,srcc,cv.TM_CCORR_NORMED)

之后读取匹配结果以备做标记：

#取值
minValue,maxValue,minLoc,maxLoc=cv.minMaxLoc(results)
minValuec,maxValuec,minLocc,maxLocc=cv.minMaxLoc(results1)

做标记一般用方框，所以需要调用cv2.rectangle()函数。相关文章的学习链接为：python学opencv|读取图像（十九）使用cv2.rectangle()绘制矩形-CSDN博客

这个函数要两个坐标点，所以还需要自定义新的坐标点：

#取最大坐标
resultPoint1=maxLoc
print("resultPoint1=",resultPoint1)

#取最大坐标
resultPoint2=maxLocc
print("resultPoint2=",resultPoint2)

#定义新坐标
resultPoint3=(resultPoint1[0]+cols,resultPoint1[1]+rows)
print("resultPoint3=",resultPoint3)

#定义新坐标
resultPoint4=(resultPoint2[0]+colsc,resultPoint2[1]+rowsc)
print("resultPoint3=",resultPoint3)

之后及时做标记、显示匹配效果：

#作标记
cv.circle(srcm,(250,250),30,(0,255,0))
cv.rectangle(srcm,resultPoint1,resultPoint3,(0,255,0),2)
cv.rectangle(srcm,resultPoint2,resultPoint4,(200,180,55),2)

# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('srcg ', srcg)
cv.imshow('srcc ', srcc)

#窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

程序运行相关的图像有：