Python+OpenCV图像处理之模板匹配

模板匹配就是在整个图像区域中发现与给定子图像匹配的小块区域

在OpenCV中，提供了相应的函数完成这个操作:

matchTemplate 函数：在模板和输入图像之间寻找匹配,获得匹配结果图像 
minMaxLoc 函数：在给定的矩阵中寻找最大和最小值，并给出它们的位置

几种常见的模板匹配算法：

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)。

python实现

import cv2
import numpy as np

__author__ = "boboa"


def template_demo():
    tpl = cv2.imread("image/tpl.jpg")
    target = cv2.imread("image/target1.jpg")
    # cv2.imshow("template_image", tpl)
    # cv2.imshow("target image", target)
    methods = [cv2.TM_CCOEFF_NORMED, cv2.TM_SQDIFF_NORMED, cv2.TM_CCORR_NORMED]
    th, tw = tpl.shape[:2]
    for md in methods:
        print(md)
        result = cv2.matchTemplate(target, tpl, md)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
        if md == cv2.TM_SQDIFF_NORMED:
            tl = min_loc
        else:
            tl = max_loc
        br = (tl[0] + tw, tl[1] + th)
        cv2.rectangle(target, tl, br, (0, 0, 255), 2)
        cv2.imshow("match-" + np.str(md), target)


if __name__ == "__main__":
    img = cv2.imread("img1.jpg")
    # cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    # cv2.imshow("input image", img)
    template_demo()
    cv2.waitKey(0)
    cv2.destroyAllWindows()

运行结果