六、模板匹配

模板匹配是指在当前图像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称为模板图像。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。

**

6.1模板匹配的基础

**
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。它的尺寸必须小于或等于原始图像，并且与原始图像具有同样的类型。
● method为匹配方法。该参数通过TemplateMatchModes实现，有6种可能的值

对应公式：
● mask 为模板图像掩模。它必须和模板图像 templ 具有相同的类型和大小。通常情况下该值使用默认值即可。

函数 cv2.matchTemplate（）的返回值 result 是由每个位置的比较结果组合所构成的一个结果集，类型是单通道32位浮点型。如果输入图像（原始图像）尺寸是WH，模板的尺寸是wh，则返回值的大小为（W-w+1）*（H-h+1）。

在进行模板匹配时，模板在原始图像内遍历。在水平方向上：
● 遍历的起始坐标是原始图像左数第1个像素值（序号从1开始）。
● 最后一次比较是当模板图像位于原始图像的最右侧时，此时其左上角像素点所在的位置是W-w+1。
因此，返回值result在水平方向上的大小是W-w+1（水平方向上的比较次数）。
在垂直方向上：
● 遍历的起始坐标从原始图像顶端的第1个像素开始。
● 最后一次比较是当模板图像位于原始图像的最下端时，此时其左上角像素点所在位置是H-h+1。
所以，返回值result在垂直方向上的大小是H-h+1（垂直方向上的比较次数）。

如果原始图像尺寸是WH，模板的尺寸是wh，则返回值的大小为（W-w+1）（H-h+1）。也就是说，模板图像要在输入图像内比较（W-w+1）（H-h+1）次。
返回值的组成是横向比较次数和纵向比较次数的数组。

注意，函数cv2.matchTemplate（）通过参数method来决定使用不同的查找方法。对于不同的查找方法，返回值result具有不同的含义。

上述分析可以看出，查找方法不同，结果的判定方式也不同。在查找最佳匹配时，首先要确定使用的是何种method，然后再确定到底是查找最大值，还是查找最小值。

查找最值（极值）与最值所在的位置，可以使用 cv2.minMaxLoc（）函数实现。该函数语法格式如下：
minVal,maxVal,minLoc,maxLoc=cv2.minMaxLoc（src[,mask]）
其中：
● src为单通道数组。
● minVal为返回的最小值，如果没有最小值，则可以是NULL（空值）。
● maxVal为返回的最大值，如果没有最小值，则可以是NULL。
● minLoc为最大值的位置，如果没有最大值，则可以是NULL。
● maxLoc为最大值的位置，如果没有最大值，则可以是NULL。
● mask为用来选取掩模的子集，可选项。

函数cv2.matchTemplate（）返回值中的最值位置就是模板匹配的位置
当然，选用不同参数值，匹配位置可能位于最大值所在的位置也可能位于最小值所在的位置。通过函数cv2.minMaxLoc（）来查找函数cv2.matchTemplate（）返回值中的最值位置，就可以找到最佳模板匹配的位置

借助函数cv2.rectangle（）将该位置用白色标记出来。函数cv2.rectangle的语法格式为：
Img=cv.rectangle（img,pt1,pt2,color[,thickness]）
式中各个参数的含义为：
● img表示要标记的目标图像。
● pt1是矩形的顶点。
● pt2是pt1的对角顶点。
● color是要绘制矩形的颜色或灰度级（灰度图像）。
● thickness是矩形边线的宽度。

使用的标记语句为：
cv2.rectangle（img,topLeft,bottomRight,255,2）
该语句表示，在img内标记一个矩形，矩形的两个对角顶点为topLeft和bottomRight，矩形颜色为白色（255），宽度为2。

例子1：使用函数 cv2.matchTemplate（）进行模板匹配。要求参数 method 的值设置为cv2.TM_SQDIFF，显示函数的返回结果及匹配结果。

import cv2 as cv
import numpy as np
from  matplotlib  import pyplot as plt

src = cv.imread("img.png",0)
template = cv.imread("core.png",0)

th,tw = template.shape[:2]
print(th,tw)

rv = cv.matchTemplate(src, template, cv.TM_SQDIFF)
minVal,maxVal,minLoc,maxLoc = cv.minMaxLoc(rv)

topLeft = minLoc
bottomRight = (topLeft[0]+tw,topLeft[1]+th)
cv.rectangle(src, topLeft, bottomRight, 255,2)

plt.subplot(121),plt.imshow(rv,cmap='gray')
plt.title('Matching Result'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(src,cmap='gray')
plt.title('Detected Point'),plt.xticks([]),plt.yticks([])
plt.show()

例子2：使用 cv2.matchTemplate（）函数进行模板匹配。要求参数 method 的值设置为cv2.TM_CCOEFF，显示函数的返回结果及匹配结果。

import cv2 as cv
import numpy as np
from  matplotlib  import pyplot as plt

src = cv.imread("moliniao.jpg",0)
template = cv.imread("molishou.jpg",0)

th,tw = template.shape[:2]
print(th,tw)

rv = cv.matchTemplate(src, template, cv.TM_CCOEFF)
minVal,maxVal,minLoc,maxLoc = cv.minMaxLoc(rv)

topLeft = maxLoc
bottomRight = (topLeft[0]+tw,topLeft[1]+th)
cv.rectangle(src, topLeft, bottomRight, 255,2)

plt.subplot(121),plt.imshow(rv,cmap='gray')
plt.title('Matching Result'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(src,cmap='gray')
plt.title('Detected Point'),plt.xticks([]),plt.yticks([])
plt.show()

**

6.2多模板匹配

**
有些情况下，要搜索的模板图像很可能在输入图像内出现了多次，这时就需要找出多个匹配结果。而函数 cv2.minMaxLoc（）仅仅能够找出最值，无法给出所有匹配区域的位置信息。所以，要想匹配多个结果，使用函数 cv2.minMaxLoc（）是无法实现的，需要利用阈值进行处理。

分步骤介绍如何获取多模板匹配的结果：
1.获取匹配位置的集合
函数where（）能够获取模板匹配位置的集合。对于不同的输入，其返回的值是不同的。
● 当输入（参数）是一维数组时，返回值是一维索引，只有一组索引数组。
● 当输入是二维数组时，返回的是匹配值的位置索引，因此会有两组索引数组表示返回值的位置。

例子：import numpy as np
array = np.array([3,9,6,1,2,15])
b = np.where(array > 5)
print(b)
结果：该段代码返回的结果为：
（array（[1,2,5],dtype=int64）,）
说明索引值为1、2、5的数组元素，它们的值是大于5的。

函数 np.where（）可以找出在函数 cv2.matchTemplate（）的返回值中，哪些位置上的值是大于阈值threshold的。在具体实现时，可以采用的语句为：
loc=np.where（res >=threshold）
式中：
● res是函数cv2.matchTemplate（）进行模板匹配后的返回值。
● threshold是预设的阈值
● loc是满足“res >=threshold”的像素点的索引集合。

2.循环
因此，在获取匹配值的索引集合后，可以采用如下语句遍历所有匹配的位置，对这些位置做标记：
for i in 匹配位置集合：
标记匹配位置。

3.在循环中使用函数zip()
函数zip（）可用迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

4.调整坐标
函数 numpy.where（）可以获取满足条件的模板匹配位置集合，然后可以使用函数cv2.rectangle（）在上述匹配位置绘制矩形来标注匹配位置。
使用函数numpy.where（）在函数cv2.matchTemplate（）的输出值中查找指定值，得到的形式为“（行号，列号）”的位置索引。但是，函数cv2.rectangle（）中用于指定顶点的参数所使用的是形式为“（列号，行号）”的位置索引。所以，在使用函数cv2.rectangle（）绘制矩形前，要先将函数numpy.where（）得到的位置索引做“行列互换”。可以使用如下语句实现loc内行列位置的互换：
loc[::-1]

5.标记匹配图像的位置
函数cv2.rectangle（）可以标记匹配图像的具体位置，分别指定要标记的原始图像、对角顶点、颜色、矩形边线宽度即可。
关于矩形的对角顶点：
● 其中的一个对角顶点A可以通过for循环语句从确定的满足条件的“匹配位置集合”内获取。
● 另外一个对角顶点，可以通过顶点A的位置与模板的宽（w）和高（h）进行运算得到。

例子：

import cv2 as cv
import numpy as np
from  matplotlib  import pyplot as plt

img = cv.imread("1.jpg",0)
print(img.shape)
dst = cv.imread("duo_templ.jpg",-1)
template = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
print(template.shape)
#获得图像的w,h
h,w = template.shape
res =cv.matchTemplate(img, template, cv.TM_CCOEFF_NORMED)
#设置阈值
threshold = 0.9
loc = np.where(res >=threshold)
for i in zip(*loc[::-1]):
    cv.rectangle(img, i, ((i[0] + w,i[1] + h)), 255,1)

plt.imshow(img,camp = "gray")
plt.xticks([]),plt.yticks([])