目标：

使用模板匹配查找图像中的对象
函数：cv.matchTemplate()，cv.minMaxLoc()

理论

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附带了一个函数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输入图像的模板和补丁。在OpenCV中实现了几种比较方法。（你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）。获得结果后，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，并将（w，h）作为矩形的宽度和高度。那个矩形是你的模板区域。

注意：如果你使用cv.TM_SQDIFF作为比较方法，则最小值会给出最佳匹配。

OpenCV中的模板匹配

在这里，作为一个例子，我们将在他的照片中搜索梅西的脸。所以我创建了一个模板如下：

我们将尝试所有比较方法，以便我们可以看到它们的结果如何：

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()

请参阅以下结果：

cv.TM_CCOEFF

cv.TM_CCOEFF_NORMED

cv.TM_CCORR

cv.TM_CCOEFF_NORMED

cv.TM_SQDIFF

cv.TM_SQDIFF_NORMED

你可以看到使用cv.TM_CCORR的结果不如我们预期的那样好。

与多个对象匹配的模板

在上一节中，我们搜索了梅西的脸的图像，在图像中只出现了一次。假设您正在搜索一个多次出现的对象，cv.minMaxLoc()不会给出所有的位置。在这种情况下，我们将使用阈值化。在这个例子中，我们将使用著名游戏马里奥的截图，我们将在其中找到硬币。

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)

窗口将如下图显示：

OpenCV-Python Tutorials - 4.12. 模板匹配

目标：

理论

OpenCV中的模板匹配

与多个对象匹配的模板

猜你喜欢