OpenCV—模板匹配与霍夫变换

© Fu Xianjun. All Rights Reserved.

---

一、模板匹配

模板匹配是指当前图像A内寻找与图像B最相似的部分，一般将图像A称为输入图像，将图像B称为模板匹配。

模板匹配的操作方法是将模板图像B在图像A上滑动，遍历所有像素以完成匹配。

• 工作原理：在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。
• 局限性：它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

1、matchTemplate()函数

模板匹配是使用函数cv2.matchTemplate()实现，语句格式为：result = cv2.matchTemplate(image, templ,method[, mask])

• image为原始图像，必须是8位或者32位的浮点型图像。
• templ为模板图像。
• result为运行结果。
• mask为模板图像掩模。
• method为要采取的方法。

method方法,有以下6种：

参数值	对应数值	说明
cv2.TM_SQDIFF	0	差值平方和匹配
cv2.TM_SQDIFF_NORMED	1	标准化差值平方和匹配
cv2.TM_CCORR	2	相关匹配
cv2.TM_CCORR_NORMED	3	标准相关匹配
cv2.TM_CCOEFF	4	相关匹配
cv2.TM_CCOEFF_NORMED	5	标准相关匹配

2、minMaxLoc()函数

当查找最值（极值）与最值所在的位置，可以使用cv2.minMaxLoc()函数实现

其函数语法格式为：minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(src [, mask])

• scr: 单通道数组。
• minVal: 返回的最小值。
• maxVal: 返回的最大值。
• minLoc: 最小值的位置。
• maxLoc: 最大值的位置。
• mask: 用来选取掩模的子集，可选项。

【例】使用函数cv2.matchTemplate()实现印花模板匹配。
编写代码如下（示例）：

#读取模板图片
template = cv2.imread("yinhua.png")
img = cv2.imread("yinhua2.png")
h, w = template.shape[:2] #获取模板的大小h,w
#开始模板匹配过程
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
top_left = min_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
#画出检测到的部分
imgcpy = img.copy()
cv2.rectangle(imgcpy, top_left, bottom_right, 255, 2)
#因为matplotlib显示为RGB图像，做一次色彩空间空间转换
imgcpy = cv2.cvtColor(imgcpy, cv2.COLOR_BGR2RGB)