OpenCV-Python-Template Matching模板匹配

参考文献链接：

• OpenCV: Template Matching

• 使用 OpenCV模板匹配实现对象检测，刷新游戏记录。哔哩哔哩bilibili

• 第51讲 模板匹配 小宅博客网 (bilibili996.com)

• 【OpenCv基础】第五十一讲 模板匹配哔哩哔哩bilibili

简介

• 模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV附带了一个函数cv.matchTemplate（）。它简单地将模板图像滑动到输入图像上（如在2D卷积中），并比较模板图像下的模板和输入图像的补丁。OpenCV中实现了几种比较方法。（您可以查看文档以了解更多详细信息）。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配的程度。

• 如果输入图像的大小为（WxH），而模板图像的大小是（WxH），则输出图像的大小将为（W-W+1，H-H+1）。得到结果后，可以使用cv.minMaxLoc（）函数来查找最大值/最小值。将其作为矩形的左上角，并将（w，h）作为矩形的宽度和高度。那个矩形是你的模板区域。

代码实现

源图像-srcImage

模板图像-templateImage

单个矩形图像匹配-TemplateMatching_oneRec.py

代码：

 import cv2
 import numpy as np
 ​
 # matchTemplate()一共有五种匹配方法
     # 方法【0】- 平方差匹配法(SQDIFF)
     # 方法【1】- 归一化平方差匹配法(SQDIFF NORMED)
     # 方法【2】- 相关匹配法(TM CCORR)
     # 方法【3】- 归一化相关匹配法(TM CCORR NORMED)
     # 方法【4】- 相关系数匹配法(TM COEFF)
     # 方法【5】- 归一化相关系数匹配法(TM COEFF NORMED)
 ​
 def one_Rectangle():
 ​
     # 加载图片
     srcImage = cv2.imread("./TestPic/OriginPic//farm.png", cv2.IMREAD_UNCHANGED)
     templateImage = cv2.imread("./TestPic/OriginPic//needle.png", cv2.IMREAD_UNCHANGED)
     width = templateImage.shape[1]
     height = templateImage.shape[0]
 ​
     # 进行匹配 保存匹配图片
     resultImage = cv2.matchTemplate(srcImage, templateImage, cv2.TM_CCOEFF_NORMED)
     cv2.imwrite("./TestPic/Results/resultImage.png", resultImage * 255)
 ​
     # cv2.imshow('Result', resultImage)
     # cv2.waitKey()
     # cv2.destroyAllWindows()
 ​
     # 通过函数 minMaxLoc 定位最匹配的位置:minValue:最小匹配值、maxValue：最大匹配值、minLoc：最小匹配位置、maxLoc：最大匹配位置
     # 对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值有着更高的匹配结果. 而其余的方法, 数值越大匹配效果越好
     minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(resultImage)
 ​
     # 将搜索到的矩形区域裁处来，并保存为图片
     rectangleImage = srcImage[int(maxLoc[1]):int(maxLoc[1] + height),int(maxLoc[0]):int(maxLoc[0] + width)]
     cv2.imwrite("./TestPic/Results/rectangleImage.png", rectangleImage)
 ​
     # 在原图中绘制矩形区域黄色框线，并保存原图
     resultImage_rectangle = cv2.rectangle(srcImage, maxLoc, (maxLoc[0] + width, maxLoc[1] + height), (0, 255, 255), 1)
     cv2.imwrite("./TestPic/Results/resultImage_rectangle.png", resultImage_rectangle)
 ​
 one_Rectangle()

结果：

匹配结果图像-resultImage

矩形区域裁剪图片-rectangleImage

原图中展现匹配结果-resultImage_rectangle

多个矩形图像匹配-TemplateMatching_mulRec.py

代码：

 import cv2
 import numpy as np
 ​
 # 日后使用时要设置相机 位深度为24bit、格式为png
 ​
 # matchTemplate()一共有五种匹配方法
     # 方法【0】- 平方差匹配法(SQDIFF)
     # 方法【1】- 归一化平方差匹配法(SQDIFF NORMED)
     # 方法【2】- 相关匹配法(TM CCORR)
     # 方法【3】- 归一化相关匹配法(TM CCORR NORMED)
     # 方法【4】- 相关系数匹配法(TM COEFF)
     # 方法【5】- 归一化相关系数匹配法(TM COEFF NORMED)
 ​
 def mul_Rectangle():
 ​
     # 加载图片
     srcImage = cv2.imread("./TestPic/OriginPic//farm.png", cv2.IMREAD_UNCHANGED)
     templateImage = cv2.imread("./TestPic/OriginPic//needle.png", cv2.IMREAD_UNCHANGED)
     width = templateImage.shape[1]
     height = templateImage.shape[0]
 ​
     # 进行匹配 保存匹配图片
     resultImage = cv2.matchTemplate(srcImage, templateImage, cv2.TM_CCOEFF_NORMED)
     cv2.imwrite("./TestPic/ResultsMul/resultImage.png", resultImage * 255)
 ​
     # 设置匹配阈值，越小要求越低
     threshold = 0.6
     # 将大于匹配阈值的点的坐标都筛选出来
     yloc, xloc = np.where(resultImage >= threshold)
 ​
     rectangles = []
     for (x, y) in zip(xloc, yloc):
         rectangles.append([int(x), int(y), int(width), int(height)])
         # rectangles.append([int(x), int(y), int(width), int(height)])
 ​
         # 将搜索到的矩形区域裁出来，并保存为图片
         rectangleImage = srcImage[int(y):int(y + height),int(x):int(x + width)]
         cv2.imwrite("./TestPic/ResultsMul/rectangleImage_" + str(x) + "_" + str(y) + ".png", rectangleImage)
 ​
     # 在原图中绘制矩形区域黄色框线
     resultImage_rectangle = 0
     for (x, y) in zip(xloc, yloc):
         resultImage_rectangle = cv2.rectangle(srcImage, (x, y), (x + width, y + height), (0, 255, 255), 1)
     # 并保存原图
     cv2.imwrite("./TestPic/ResultsMul/resultImage_rectangle.png", resultImage_rectangle)
 ​
 mul_Rectangle()

结果：

匹配结果图像-resultImage

矩形区域裁剪图片-rectangleImage-多个

原图中展现匹配结果-resultImage_rectangle-有匹配重叠区域