(ง •_•)ง[Python3 OpenCV4]16.模板匹配

模板匹配

寻找狗鼻子

这是鼻子

这是狗脸

import cv2
import numpy as np

img = cv2.imread('doge.jpg', 0)
template = cv2.imread('doge_nose.png', 0)
h, w = template.shape[:2]  # rows->h, cols->w


# 相关系数匹配方法：cv2.TM_CCOEFF
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

left_top = max_loc  # 左上角
right_bottom = (left_top[0] + w, left_top[1] + h)  # 右下角

cv2.rectangle(img, left_top, right_bottom, 255, 2)  # 画出矩形位置
cv2.imshow("img",img)
cv2.waitKey(0)

成功找到狗鼻子

原理

模板匹配的原理其实很简单，就是不断地在原图中移动模板图像去比较，有6种不同的比较方法，详情可参考：TemplateMatchModes

• 平方差匹配CV_TM_SQDIFF：用两者的平方差来匹配，最好的匹配值为0
• 归一化平方差匹配CV_TM_SQDIFF_NORMED
• 相关匹配CV_TM_CCORR：用两者的乘积匹配，数值越大表明匹配程度越好
• 归一化相关匹配CV_TM_CCORR_NORMED
• 相关系数匹配CV_TM_CCOEFF：用两者的相关系数匹配，1表示完美的匹配，-1表示最差的匹配
• 归一化相关系数匹配CV_TM_CCOEFF_NORMED

归一化的意思就是将值统一到0~1，这些方法的对比代码可到源码处查看。模板匹配也是应用卷积来实现的：假设原图大小为W×H，模板图大小为w×h，那么生成图大小是(W-w+1)×(H-h+1)，生成图中的每个像素值表示原图与模板的匹配程度。

匹配多个物体

找到马里奥的金币

在这个图中查找

import cv2
import numpy as np

# 1.读入原图和模板
img_rgb = cv2.imread('maliao.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('coin.png', 0)
h, w = template.shape[:2]


# 2.标准相关模板匹配
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8 

# 3.这边是Python/Numpy的知识，后面解释
loc = np.where(res >= threshold)  # 匹配程度大于%80的坐标y,x
for pt in zip(*loc[::-1]):  # *号表示可选参数
    right_bottom = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, right_bottom, (0, 0, 255), 2)

cv2.imshow("img_rgb",img_rgb)
cv2.waitKey(0)