OpenCV入门（二十五）快速学会OpenCV 24 模板匹配

OpenCV入门（二十五）快速学会OpenCV 24 模板匹配

• 1.模板匹配概述
• 2.代码实例
• • 2.1代码实例1
  • 2.2代码实例2

作者：Xiou

1.模板匹配概述

模板匹配是指在当前图像A内寻找与图像B最相似的部分，一般将图像A称为输入图像，将图像B称为模板图像。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。

语法格式：

cv2.matchTemplate(image, templ, method, result=None, mask=None)

参数:

image: 输入图像；
templ: 输入模板；
method: 方法；
TM_SQDIFF: 计算平方差, 计算出来的值越小, 越相关；
TM_CCORR: 计算相关性, 计算出来的值越大, 越相关；
TM_CCOEFF: 计算相关系数, 计算出来的值越大, 越相关；
TM_SQDIFF_NORMED: 计算归一化平方不同, 计算出来的值越接近 0, 越相关；
TM_CCORR_NORMED: 计算归一化相关性, 计算出来的值越接近 1, 越相关；
TM_CCOEFF_NORMED: 计算归一化系数, 计算出来的值越接近 1, 越相关。

2.代码实例

2.1代码实例1

使用函数cv2.matchTemplate()进行模板匹配。要求参数method的值设置为cv2.TM_SQDIFF，显示函数的返回结果及匹配结果。

测试原图：

代码实例：

        import cv2
        import numpy as np
        from matplotlib import pyplot as plt
        img = cv2.imread('lena512g.bmp',0)
        template = cv2.imread('temp.bmp',0)
        th, tw = template.shape[::]
        rv = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
        minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(rv)
        topLeft = minLoc
        bottomRight = (topLeft[0] + tw, topLeft[1] + th)
        cv2.rectangle(img, topLeft, bottomRight, 255, 2)
        plt.subplot(121), plt.imshow(rv, cmap = 'gray')
        plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
        plt.subplot(122), plt.imshow(img, cmap = 'gray')
        plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
        plt.show()

输出结果：

2.2代码实例2

import cv2

# 读取图片
img = cv2.imread("girl1.jpg", 0)
print(img.shape)

# 读取模板
template = cv2.imread("test.jpg", 0)
h, w = template.shape
print(template.shape)

# 模板匹配
result = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

输出结果：

import cv2
from matplotlib import pyplot as plt

# 读取图片
img = cv2.imread("girl1.jpg", 0)

# 读取模板
template = cv2.imread("test.jpg", 0)
h, w = template.shape

# 模式
methods = ['cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED']

# 循环
for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    print("method:", method)
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)

    # 展示
    f, ax = plt.subplots(1, 2, figsize=(16, 8))
    ax[0].imshow(img2, cmap='gray')
    ax[1].imshow(res, cmap='gray')
    plt.suptitle(meth)

    plt.show()

输出结果：