2023.6.7

图像的匹配

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 带有一个函数 cv.matchTemplate()。它只是在输入图像上滑动模板图像（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。在 OpenCV 中实现了几种比较方法。（您可以查看文档以获取更多详细信息）。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（WxH）且模板图像的大小（wxh），则输出图像的大小为（W-w + 1，H-h + 1）。得到结果后，可以使用 cv.minMaxLoc（） 函数查找最大/最小值的位置。将其作为矩形的左上角，取（w，h）作为矩形的宽度和高度。那个矩形是你的模板区域。

图像匹配函数为cv2.matchTemplate(image, templ, method, ):
参数：
image：匹配的目标图片，必须是8位或者32为的浮点数.
templ：被匹配的模板，图像的大小必须小于image
result：输出结果(返回匹配后的图片)
mask：图像掩码，默认为空

下面是method的参数

• cv2.TM_CCOEFF
• cv.TM_CCOEFF_NORMED
• cv.TM_CCORR
• cv.TM_CCORR_NORMED
• cv.TM_SQDIFF
• cv.TM_SQDIFF_NORMED

应用代码：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
img2 = img.copy()
template = cv.imread('template.jpg',0)
w, h = template.shape[::-1]
img = img2.copy()
# Apply template Matching
res = cv.matchTemplate(img,template,cv.CCOEFF)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
# If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
bottom_right = (top_left[0] + w, top_left[1] + h)
cv.rectangle(img,top_left, bottom_right, 255, 2)
plt.imshow(res,cmap = 'gray')

结果如下：

匹配多个模板时，由于函数matchtemplate在运行时返回很多个匹配度很高的点，但是最终只会返回一个匹配结果，因此我们可以使用阈值来获取尽可能多的匹配模板

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img_rgb = cv.imread('mario.png')
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.png',0)
w, h = template.shape[::-1]
res = cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
    cv.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
cv.imwrite('res.png',img_rgb)

结果

转载自opencv官方文档