python+opencv 图像识别匹配

1.图像模板匹配

#使用matchTemplate对原始灰度图像和图像模板进行匹配

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)

#设定阈值

threshold =0.9

#res大于90%     loc是一个坐标数组，[y] [x] 结构

loc = np.where(res >= threshold)

模板匹配是在图像中寻找目标的方法之一

模板匹配的工作方式

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。

假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：

（1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；

（2）用临时图像和模板图像进行对比，对比结果记为c；

（3）对比结果c，就是结果图像(0,0)处的像素值；

（4）切割输入图像从(0,1)至(10,11)的临时图像，对比，并记录到结果图像；

（5）重复（1）～（4）步直到输入图像的右下角。

模板匹配的匹配方式

    在OpenCv和EmguCv中支持以下6种对比方式：

    CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。

    CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。

    CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。

    CV_TM_SQDIFF_NORMED 归一化平方差匹配法

    CV_TM_CCORR_NORMED 归一化相关匹配法

    CV_TM_CCOEFF_NORMED 归一化相关系数匹配法

2. 画矩形   

利用cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出矩行

参数解释

第一个参数：img是原图

第二个参数：（x，y）是矩阵的左上点坐标

第三个参数：（x+w，y+h）是矩阵的右下点坐标

第四个参数：（0,255,0）是画线对应的rgb颜色

第五个参数：2是所画的线的宽度