OpenCV图像处理技术之模板匹配及霍夫变换

 Fu Xianjun. All Rights Reserved.所有素材来自于小傅老师。

今天我们来学习模板匹配和霍夫变换！

学习目标：

能够理解模板匹配的概念

能够使用模板匹配实现目标检测

能够理解霍夫变换的概念

能够根据场景使用霍夫变换

重点：模板匹配的方法、霍夫变换的方法

难点：模板匹配及霍夫变换的实战

模板匹配就是在大图中找小图，也就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。

模板匹配的函数使用：

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

其中 Result为运行结果 Image为待处理图像 Templat为模板图像 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)

其中 min_val为返回的最小值 max_val为返回的最大值 min_loc为最小值的位置 Max_loc为最大值的位置 P342

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，来检测任意能够用数学公式表达的形状，即使这个形状被破坏或者有点扭曲。 霍夫变换将图像空间转变为参数空间，在参数空间中执行投票来决定物体的形状。

任务一：模板匹配基本使用方法

1.1导入需要的库

import cv2
import numpy as np
#Matplotlib是RGB
import matplotlib.pyplot as plt
%matplotlib inline 

#定义显示图片