Python文档阅读笔记-OpenCV中Template Matching

淡淡的烟草味﹌ 2022-09-11 07:09 130阅读 0赞

# 目标 #

通过模板匹配在一张图中找相似图。

# 原理 #

模板匹配这个方法是在一个大图中找小图的功能，OpenCV中使用cv.matchTemplate()这个函数实现。在OpenCV中可以填写几种参数。这个函数的返回值是灰度图，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W \* H模板图像的大小为w \* h，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()函数去找里面的最大值和最小值，将其作为矩形的左上角，并将(w, h)作为矩形的宽度和高度。该矩形是模板的区域。

注意：如果使用的cv.TM\_SQDIFF为表示方法，最小值给出的将是最佳匹配。

# OpenCV中的模板匹配 #

在图片中找Messi的脸，模板图片如下：

![20210914084518772.png][]

使用不同的表达方式查看结果，代码如下：

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]
    # All the 6 methods for comparison in a list
    methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
                'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
    for meth in methods:
        img = img2.copy()
        method = eval(meth)
        # Apply template Matching
        res = cv.matchTemplate(img,template,method)
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
        # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
        if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
            top_left = min_loc
        else:
            top_left = max_loc
        bottom_right = (top_left[0] + w, top_left[1] + h)
        cv.rectangle(img,top_left, bottom_right, 255, 2)
        plt.subplot(121),plt.imshow(res,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.suptitle(meth)
        plt.show()

结果如下：

cv.TM\_CCOEFF

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16][]

cv.TM\_CCOEFF\_NORMED

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 1][]

cv.TM\_CCORR

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 2][]

cv.TM\_CCORR\_NORMED

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 3][]

cv.TM\_SQDIFF

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 4][]

cv.TM\_SQDIFF\_NORMED

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 5][]

上图中可得知TM\_CCORR未在大图中找到模板图。

# 模板匹配多个对象 #

如果大图中有含义多个模板图，cv.minMaxLoc()不能找出所有，那么设置一个阈值，去寻找，代码如下：

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

截图：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 6][]

[20210914084518772.png]: /images/20220828/d4eb881da6604799a3884f6a3dfff140.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/7607b45d0bb241bd91b89d3a07b0fc46.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/f368a9ca344b463383066761a8fabea4.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/a73191aea7704e5fafdce3b83e437ec2.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/a848d89aba774f69b914ab064fc94246.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/54a191a818d6495da9a9776440eccfd7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220828/498873bc1fab48e5a8210630a2901c96.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASVQxOTk1_size_17_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220828/877bdbd9878640a0b7168e398c928cef.png