opencv-python学习（十二）：模板匹配

十二、模板匹配

模板匹配：通俗讲就是以图找图，通过图中的一部分来找它在图中的位置

执行模板匹配，采用的匹配方式有三种

• cv.TM_SQDIFF_NORMED：用两者的平方差来匹配，最好的匹配值为0；
• cv.TM_CCORR_NORMED：用两者的乘积匹配，数值越大表明匹配程度越好,
• cv.TM_CCOEFF_NORMED：用两者的相关系数匹配，1表示完美的匹配，-1表示最差的匹配

代码如下：

# 引入包
import cv2 as cv
import numpy as np

def template_image():
    # 读取模板图片
    tpl = cv.imread('./static/image/cut1.jpg')
    # 读取目标图片
    target = cv.imread('./static/image/windows.jpg')
    cv.imshow("model", tpl)
    cv.imshow("image", target)
    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]
    # 获得模板图片的高宽尺寸
    th, tw = tpl.shape[:2]
    for md in methods:
        print(md)

        # 执行模板匹配，采用的匹配方式有三种
        result = cv.matchTemplate(target, tpl, md)

        # 寻找矩阵（一维数组当做向量，用Mat定义）中的最大值和最小值的匹配结果及其位置
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)

        # 对于cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法min_val越趋近与0匹配度越好，匹配位置取min_loc
        # min_loc：矩形定点
        if md == cv.TM_SQDIFF_NORMED:
            tl = min_loc

        # 对于其他方法max_val越趋近于1匹配度越好，匹配位置取max_loc
        else:
            tl = max_loc

        # 矩形的宽高
        br = (tl[0]+tw, tl[1]+th)

        # 绘制矩形边框，将匹配区域标注出来
        # tl：矩形定点
        # br：矩形的宽高
        # (0,0,225)：矩形的边框颜色；2：矩形边框宽度
        cv.rectangle(target, tl, br, (0, 0, 255), 2)

        # np.str(md)
        # 匹配值转换为字符串
        # 显示结果,并将匹配值显示在标题栏上
        cv.imshow("pipei"+np.str(md), target)

template_image()
cv.waitKey(0)
cv.destroyAllWindows()

运行结果：