OpenCV图像处理应用（面向Python）之模板匹配与霍夫变换

欢迎来到梁老湿课堂

版权声明：
作者：OpenCV小课堂
导师：Fu Xianjun
本文版权归作者导师共有，欢迎转载，但未经作者同意必须在文章页面注明来源及原作者或原文链接，否则保留追究法律责任的权利。

模板匹配的概念

模板匹配就是在大图中找小图，也就是说在一幅图像中寻找另一幅模板图像的位置。
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。
工作原理： 在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，
匹配程度越大，两者相同的可能性越大。
局限性： 它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

result = cv2.matchTemplate(image, template,method)

1. Result： 为运行结果
2. Image： 为待处理图像
3. Template： 为模板图像
4. Method： 为要采取的方法
method方法： 有以下6种
差值平方和匹配 CV_TM_SQDIFF
标准化差值平方和匹配 CV_TM_SQDIFF_NORMED
相关匹配 CV_TM_CCORR
标准相关匹配 CV_TM_CCORR_NORMED
相关匹配 CV_TM_CCOEFF
标准相关匹配 CV_TM_CCOEFF_NORMED

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(src)

1. min_val： 为返回的最小值
2. max_val： 为返回的最大值
3. mothodmin_loc： 为最小值的位置
4. Max_loc： 为最大值的位置

import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取模板图片
template = cv2.imread("yinhua.png")
# cv_show("template",template)
img = cv2.imread("yinhua2.png")
#获取到我们模板的大小h,w
h, w = template.shape[:2]
#开始模板匹配过程(采用计算归一化平方不同,计算值越接近0,越相关)
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF_NORMED)
threshold = 0.01
loc = np.where(res<=threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(img, pt, (pt[0] + w, pt[1] + h), 255, 5)
#因为matplotlib显示为RGB图像，做一次色彩空间空间转换
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(template,)
plt.imshow(img, cmap='gray')
plt.show()

模板

匹配结果

多练多学多坚持，我们下期再见。