Python - opencv (四) - 模板匹配

模板匹配实现的思想也是很简单很暴力的，就是拿着模板图片在原图中从左上至右下依次滑动，直到遇到某个区域的相似度低于我们设定的阈值，那么我们就认为该区域与模板匹配了，也就是我们找到了姚明的位置，并把它标记出来。

opencv中提出6种模板匹配公式：

 

 

 

 

 

 

 

 

示例：

原图像：

 

 

匹配模板：

 

 

代码：

import cv2
import matplotlib.pyplot as plt

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


if __name__ == '__main__':
    img = cv2.imread('../pics/5.jpg')
    template = cv2.imread('../pics/5-part.jpg')
    (w,h) = (template.shape[1], template.shape[0])
    count = 1

    for meths in methods:
        img2 = img.copy()
        method = eval(meths)
        print(meths)
        res = cv2.matchTemplate(img, template, method)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

        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)

        cv2.rectangle(img2, top_left, bottom_right, 255, 2)

        plt.subplot(6,2,count), plt.imshow(res, cmap='gray')
        plt.xticks([]), plt.yticks([])  # hide coordinate
        plt.subplot(6,2,count+1), plt.imshow(img2, cmap='gray')
        plt.xticks([]), plt.yticks([])
        count += 2

    plt.show()

效果：

（从上到下依次为：'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'）

 

 

 

 

 

可以看到效果基本可以找到，但当模板的尺寸发生变形时，cv的模板匹配就很难找到了。