《OpenCV计算机视觉》—— 通过旋转模板图像匹配多个目标区域

一、匹配的整体思路

• 下面是一张需要进行模板匹配的图片
  
• 模板图片如下
  
• 通过观察可以发现，需要进行匹配的图片中，有与模板图片不同方向的目标区域，有逆时针90度的目标区域，还有顺时针90度的目标区域
• 因此只通过模板图片来进行模板匹配的话，并不能将所有的目标区域都匹配成功
• 所以我们需要将模板图片进行不同方向的旋转，旋转至能够满足所有目标区域的匹配
• 将每个方向的模板图片都在需要匹配的图片中进行模板匹配，直至匹配完所有的目标区域

二、代码实现

• 步骤如下：

  • 1.读取需要进行模板匹配的图片和模板图片
  • 2.将模板图片进行不同方向上的旋转
  • 3.用所有方向的模板图片进行模板匹配
  • 4.在原图片中画出所有匹配成功后布标区域的矩形框
  • 5.显示最后的结果

• 图片的旋转方法可以通过以下链接内容进行理解：

  • https://blog.csdn.net/weixin_73504499/article/details/142070536?spm=1001.2014.3001.5501

• 模板匹配的方法可以通过以下链接内容进行理解：

  • https://blog.csdn.net/weixin_73504499/article/details/141905861?spm=1001.2014.3001.5501

• 代码如下：

  import cv2
  import numpy as np
  
  # 读取需要进行模板匹配的原图
  img_rgb = cv2.imread('image.jpg')
  # 将原图转换为灰度图，为了减少后续操作的复杂程度（可选）
  img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGRA2RGB)
  # 读取模板图片
  template = cv2.imread('tem.jpg')
  # 获取模板图片的宽高
  h, w = template.shape[:2]
  
  # 将模板图片进行旋转
  rotated_image = cv2.rotate(template, cv2.ROTATE_90_CLOCKWISE)  # 顺时针旋转90度
  rotated_image1 = cv2.rotate(template, cv2.ROTATE_90_COUNTERCLOCKWISE)  # 逆时针旋转90度
  
  # 将模板图片和旋转后的模板图片都存放在一个列表中
  list_pic = [template, rotated_image, rotated_image1]
  
  # 循环 list_pic 列表中各个方向的模板，使用模板匹配方法 cv2.matchTemplate 进行模板匹配
  for i in list_pic:
      res = cv2.matchTemplate(img_gray, i, cv2.TM_CCOEFF_NORMED)
      # 设定匹配阈值
      threshold = 0.9
      # 获取匹配结果中所有的符合阈值的点的坐标
      loc = np.where(res >= threshold)
      # 遍历所有匹配点
      #  loc 是一个元组类型，loc[::-1] 将 [(y y...y),(x x...x)] --> [(x x...x),(y y...y)]
      # zip(*) 函数将 [(x x...x),(y y...y)] --> [(x,y), (x,y)...(x,y)]
      # 利用 * 操作符，可以将可迭代对象解压为独立参数
      for pt in zip(*loc[::-1]):
          # 在原图上绘制匹配区域的矩形框
          cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 1)
  
  # 显示最后的结果
  cv2.imshow('res_png', img_rgb)
  cv2.waitKey(0)
  

• 结果如下：