OpenCV初尝试10——模板匹配

10 模板匹配

模板匹配：就是在给定的图片中查找和模板最相似的区域，该算法输入模板和查找的图片，模板在原图像上从原点开始滑动（从左往右，从上到下），计算模板与图像被模板覆盖的地方的差别程度（这个差别程度的计算方法在OpenCV里有6种），然后将每次计算的结果放进一个矩阵里，作为结果输出。假如原图形是AB大小，而模板是ab大小，则输出结果的矩阵是(A-a+1)*(B-b+1)。

• cv2.matchTemplate(img, template, method)
• 参数分别为：要进行模板匹配的图像，模板和实现模板匹配的算法。
• cv2.minMaxLoc(src, mask=None)
• 返回4个值：最小值，最大值，最小值位置，最大值位置

参数值	对应数值	说明
cv2.TM_SQDIFF	0	以差方依据进行匹配，若完全匹配，则结果为0，即计算出来的值越小，越相关
cv2.TM_SQDIFF_NORMAL	1	标准（归一化）平方差匹配，计算出来的值越接近0，越相关
cv2.TM_CCORR	2	相关匹配，将模板图像与输入图像相乘，计算的结果越大，越相关
cv2.TM_CCORR_NORMAL	3	标准（归一化）相关匹配
cv2.TM_CCOEFF	4	相关系数匹配，将模板图像与其均值相对值和输入图像与其均值相对值进行匹配，计算的结果越接近1，越相关
cv2.TM_CCOEFF_NORMAL	5	标准（归一化）相关系数匹配

使用时，尽量使用归一化的方法。

• 完成匹配后，使用cv.minMaxLoc()方法查到最佳匹配位置即可。

10.1 单个对象的模板匹配

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread('./img.jpeg', 0)
    template = cv2.imread('./img1.jpeg', 0)
    # 获取模板的高， 宽
    h, w = template.shape[:2]

    # 模板匹配
    res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
    # 获取位置
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 绘制矩形
    # 我使用的方法最小值时，为最佳匹配位置
    top_left = min_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    cv2.rectangle(img, top_left, bottom_right, (0, 255, 0), 2)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

执行效果展示：
输入图片：

模板：

执行结果：

10.2 多个对象的模板匹配

比如我们要去匹配马里奥的金币，我不高兴去找图片了，有兴趣的可以去找找做一做这个匹配。

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread('./mario.jpg', 0)
    template = cv2.imread('./mario_coin.jpeg', 0)
    # 获取模板的高， 宽
    h, w = template.shape[:2]

    # 模板匹配
    res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORAML)
    # 设置一个阈值，大于该阈值的我们都将它画出来
	threshold = 0.8
	# 找到所有符合条件的位置
   	loc = np.where(res >= threshold)
   	for pt in zip(*loc[::-1]):   	
    	bottom_right = (pt[0] + w, pt[1] + h)
    	cv2.rectangle(img, pt, bottom_right, (0, 0, 255), 2)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()