python3 opencv 模板匹配_python3 OpenCV匹配图像之模板匹配
本文仅做为本人学习记录。
一、简介：
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
今天我们就是用python学习OpenCV。
二、读取与显示import cv2 #导入opencv库
#读取一张图片，地址不能带中文
'''
第二个参数，取值可为：
cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
cv2.IMREAD_GRAYSCALE：读入灰度图片
cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道(png有，jpg无)
'''
imgviewx=cv2.imread("0165_0024.jpg",cv2.IMREAD_COLOR)
# imgviewx=cv2.imread("0165_0024.jpg")
#显示图片，参数：(窗口标识字符串，imread读入的图像)
cv2.imshow("img_window",imgviewx)
#窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数
cv2.waitKey(0)
#销毁窗口，退出程序
cv2.destroyAllWindows()
这里有一点需要注意，OpenCV中的默认颜色格式通常称为RGB，但实际上是BGR(字节是相反的)。
如果使用特征匹配等算法的时候就需要转换。如下：
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
三 cv2.matchTemplate模板匹配和cv2.minMaxLoc()函数
matchTemplate 函数原型：
cv2.matchTemplate(image, templ, method, result=None, mask=None)
# image：待搜索图像
# templ：模板图像
# result：匹配结果
# method：计算匹配程度的方法
关于匹配方法，使用不同的方法产生的结果的意义可能不太一样，有些返回的值越大表示匹配程度越好，而有些方法返回的值越小表示匹配程度越好。
关于参数 method：
CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 归一化平方差匹配法
CV_TM_CCORR_NORMED 归一化相关匹配法
CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
cv2.minMaxLoc() 函数原型
cv2.minMaxLoc(src, mask=None)
#src是一个矩阵。
函数功能：假设有一个矩阵a,现在需要求这个矩阵的最小值，最大值，并得到最大值，最小值的索引。咋一看感觉很复杂，但使用这个cv2.minMaxLoc()函数就可全部解决。函数返回的四个值就是上述所要得到的。
具体看个例子:
import numpy as np
import cv2
a=np.array([[2,3,4,5],[5,67,8,9],[1,3,4,5]])
print(a)
min_val,max_val,min_indx,max_indx=cv2.minMaxLoc(a)
print(min_val,max_val,min_indx,max_indx)
输出结果：
[[ 2 3 4 5]
[ 5 67 8 9]
[ 1 3 4 5]]
1.0 67.0 (0, 2) (1, 1)
说明这个矩阵a的最小值为1.0，索引为(0，2)，最大值为67.0索引为(1，1)
讲了这么多理论知识接下来我们来实战一下吧。
import cv2 #导入opencv库
# 图片不要使用中文
img = cv2.imread('超级玛丽.jpg')
template = cv2.imread('金币.jpg')
h, w = template.shape[:2] # rows->h, cols->w
print('高：',h,"宽：",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
#显示图片，参数：(窗口标识字符串，imread读入的图像)
cv2.imshow("img_window",img)
#窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数
cv2.waitKey(0)
#销毁窗口，退出程序
cv2.destroyAllWindows()
自己运行一下吧。这里只能匹配到一个金币。下一节我们讲如何匹配全部金币。