opencv-python学习笔记（十三）—— 图像处理之模板匹配

系列文章目录

模板匹配

函数: cv.matchTemplate(), cv.minMaxLoc()

1. 理论

模板匹配是一种在较大的图像中搜索和查找模板图像位置的方法。OpenCV为此提供了一个函数cv.matchTemplate()。它简单地将模板图像滑动到输入图像上(就像在2D卷积中一样)，并在模板图像下比较输入图像的模板。在OpenCV中实现了几种比较方法。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配的程度。

如果输入图像的大小为(WxH)，模板图像的大小为(WxH)，则输出图像的大小为(W-w+1, H-h+1)。得到结果后，可以使用**cv.minMaxLoc()**函数查找最大值/最小值。取其为矩形的左上角，取(w,h)为矩形的宽高。那个矩形就是你的模板区域。

注意：如果你使用cv.TM_SQDIFF作为比较方法，则值越低，匹配度越高。

2. opencv实现

我们将在梅西的照片中搜索他的脸。所以创建模板如下:

我们将尝试所有的比较方法，并比较结果:

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
img2 = img.copy()
template = cv.imread('template.jpg',0)
w, h = template.shape[::-1]
# All the 6 methods for comparison in a list
methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
            'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
for meth in methods:
    img = img2.copy()
    method = eval(meth)	# 
    # Apply template Matching
    res = cv.matchTemplate(img,template,method)
    min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
    # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
    if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv.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('Detected Point'), plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    plt.show()

结果如下：

• cv.TM_CCOEFF

• cv.TM_CCOEFF_NORMED

• cv.TM_CCORR

• cv.TM_CCORR_NORMED

• cv.TM_SQDIFF

• cv.TM_SQDIFF_NORMED

从结果中能够看到，使用 **cv.TM_CCORR**效果不是太好。

3. 多物体模板匹配

在上一节中，我们搜索了梅西的脸，这在图像中只出现一次。假设你正在搜索一个有多次出现的对象，cv.minMaxLoc()不会给你所有的位置。在这种情况下，我们将使用阈值。在这个例子中，我们将使用著名的游戏马里奥的截图，我们将在其中找到硬币。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img_rgb = cv.imread('mario.png')
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.png',0)
w, h = template.shape[::-1]
res = cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)	# 妙啊
for pt in zip(*loc[::-1]):
    cv.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
cv.imwrite('res.png',img_rgb)

参考：https://docs.opencv.org/4.5.2/df/dfb/group__imgproc__object.html#ga586ebfb0a7fb604b35a23d85391329be