opencv+python -- 模板匹配

百度百科：模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

简单来说，模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。

工作原理：在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。

Code

import cv2 as cv
import numpy


def template_demo():
    temp = cv.imread("./data/lena_temp.png")
    target = cv.imread("./data/lena.jpg")
    cv.imshow("template", temp)
    cv.imshow("target", target)
    # 3种模板匹配方法
    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]
    t_height, t_width = temp.shape[:2]
    for method in methods:
        print(method)
        result = cv.matchTemplate(target, temp, method)
        min_va, max_val, min_loc, max_loc = cv.minMaxLoc(result)
        # 获得目标图中左上角匹配位置
        if method == cv.TM_SQDIFF_NORMED:
            t_left = min_loc
        else:
            t_left = max_loc
        # 获得目标图中右下角位置
        br = (t_left[0]+t_width, t_left[1]+t_height)
        cv.rectangle(target, t_left, br, (0, 0, 255), 2)
        cv.imshow("matching-"+numpy.str(method), target)


src = cv.imread("./data/lena.jpg", cv.IMREAD_COLOR)
cv.namedWindow("lena", cv.WINDOW_AUTOSIZE)
cv.imshow("lena", src)
template_demo()

cv.waitKey(0)
cv.destroyAllWindows()

效果图

目标图.jpg
模板图.png
模板匹配.png

API解释

模板匹配算法.png

①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是标准平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。

②TM_CCORR是相关性匹配；TM_CCORR_NORMED是标准相关性匹配。采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。

③TM_CCOEFF是相关性系数匹配；TM_CCOEFF_NORMED是标准相关性系数匹配。将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。

总结：随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。

目标匹配函数为matchTemplate
函数原型为：matchTemplate(image, templ, method[, result[, mask]]) -> result
image参数表示待搜索源图像，必须是8位整数或32位浮点。

templ参数表示模板图像，必须不大于源图像并具有相同的数据类型。

method参数表示计算匹配程度的方法。

result参数表示匹配结果图像，必须是单通道32位浮点。如果image的尺寸为W x H，templ的尺寸为w x h，则result的尺寸为(W-w+1)x(H-h+1)。

函数minMaxLoc：在给定的矩阵中寻找最大和最小值，并给出它们的位置。 该功能不适用于多通道阵列。 如果您需要在所有通道中查找最小或最大元素，要先将阵列重新解释为单通道。

函数minMaxLoc原型为：minMaxLoc(src[, mask]) -> minVal, maxVal, minLoc, maxLoc

src参数表示输入单通道图像。

mask参数表示用于选择子数组的可选掩码。

minVal参数表示返回的最小值，如果不需要，则使用NULL。

maxVal参数表示返回的最大值，如果不需要，则使用NULL。

minLoc参数表示返回的最小位置的指针（在2D情况下）； 如果不需要，则使用NULL。

maxLoc参数表示返回的最大位置的指针（在2D情况下）； 如果不需要，则使用NULL。

函数功能：假设有一个矩阵a,现在需要求这个矩阵的最小值，最大值，并得到最大值，最小值的索引。咋一看感觉很复杂，但使用这个cv2.minMaxLoc()函数就可全部解决。函数返回的四个值就是上述所要得到的。具体看个例子:

import numpy as np
import cv2
a=np.array([[1,2,3,4],[5,67,8,9]])
min_val,max_val,min_indx,max_indx=cv2.minMaxLoc(a)
print(min_val,max_val,min_indx,max_indx)

输出：1.0 67.0 (0, 0) (1, 1)

函数rectangle用于绘制矩形。函数原型为： rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

img参数表示源图像。

pt1参数表示矩形的一个顶点。

pt2参数表示与pt1相对的对角线上的另一个顶点 。

color参数表示矩形线条颜色 (RGB) 或亮度（灰度图像 ）。

thickness参数表示组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。

lineType参数表示线条的类型。

shift参数表示坐标点的小数点位数。