十五天掌握OpenCV——模板匹配

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)