Python3与OpenCV3.3 图像处理(十四)--模板匹配
一、什么是模板匹配
在整个图像区域发现与给定子图像匹配的区域,模板匹配的工作方式是在待检测图像上从左到右,从上到下计算模板图象与重叠子图像的匹配度,匹配度越大,两者越相同
二、OpenCV中的模板匹配
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
三、示例代码
import cv2 as cv import numpy as np def template(): #模板图片 tpl=cv.imread('12tem.jpg') #目标图片 target=cv.imread('12.jpg') cv.imshow('template',tpl) cv.imshow('target',target) methods=[cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED] #获得模板的高宽 th,tw=tpl.shape[:2] for md in methods: #执行模板匹配 #target:目标图片 #tpl:模板图片 #匹配模式 result=cv.matchTemplate(target,tpl,md) #寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置 min_val,max_val,min_loc,max_loc=cv.minMaxLoc(result) if md==cv.TM_SQDIFF_NORMED: tl=min_loc else: tl=max_loc br=(tl[0]+tw,tl[1]+th) #绘制矩形边框,将匹配区域标注出来 #target:目标图像 #tl:矩形定点 #br:举行的宽高 #(0,0,255):矩形边框颜色 #2:矩形边框大小 cv.rectangle(target,tl,br,(0,0,255),2) cv.imshow('match-'+np.str(md),target) template(); cv.waitKey(0) cv.destroyAllWindows()
觉得不错打赏一下 | |
---|---|