魏老师学生——Cecil:学习OpenCV-机器视觉之旅
原理:在一副大图中搜寻查找模板图像位置的方法。
cv2.matchTemplate() ——解释:用模板图像在输入图像上滑动,并在每一个位置对模板图像和选中的子区域进行比较。
返回结果:灰度图像。(其中的像素值代表区域与模板的匹配度)
输入图像大小(W ,H),模板大小(w,h),则输出结果大小(W-w+1,H-h+1)。
对输出结果使用函数cv2.minMaxLoc() 找到其中的最小值和最大值的位置。
cv2.TM_SQDIFF() ——解释:最小值对应的位置是匹配区域。
OpenCV模板匹配
把头像与原图进行匹配。
代码演示
#coding=utf-8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('./image2/123.jpg',0)
img2=img.copy()
template=cv2.imread('./image2/muban.jpg',0)
w,h=template.shape[::-1]
methods=['cv2.TM_CCOEFF','cv2.TM_CCOEFF_NORMED','CV2.tm_CCORR','cv2.TM_CCORR_NORMED','cv2.TM_SQDIFF','cv2.TM_SQDIFF_NORMED']
for meth in methods:
img=img2.copy()
method=eval(meth)
res=cv2.matchTemplate(img,template,method)
min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res)
if method in [cv2.TM_SQDIFF,cv2.TM_SQDIFF_NORMED]:
top_left=min_loc
else:
top_left=max_loc
bottom_right=(top_left[0] + w,top_left[1] +h)
cv2.rectangle(img,top_left,bottom_right,255,2)
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('dectected point'),plt.xticks([]),plt.yticks([])
plt.suptitle(meth)
plt.show()
多对象的模板匹配
目标对象在图像中出现了很多次的解决方法。通过阈值来解决。
代码演示
#coding=utf-8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img_rgb=cv2.imread('./image2/mario.jpg')
img_gray=cv2.cvtColor(img_rgb,cv2.COLOR_BGR2GRAY)
template=cv2.imread('coin.jpg',0)
w,h=template.shape[::-1]
res=cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold=0.8
loc=np.where(res>=threshold)
for pt in zip(*loc[::-1]):
cv2.rectangle(img_rgb,pt,(pt[0]+w,pt[1]+h),(0,0,255),2)
cv2.imshow('res',img_rgb)