在OpenCV里实现模板匹配

本文链接： https://blog.csdn.net/caimouse/article/details/102603494

目标：使用模板匹配方法在图片里寻找目标对象，学会使用cv.matchTemplate(), cv.minMaxLoc()函数

模板匹配算法是从一个大图像里找到感兴趣的目标对象，OpenCV提供函数cv.matchTemplate()来实现相关的功能。模板匹配的原理其实很简单，就是不断地在原图中移动模板图像去比较，有6种不同的比较方法：

平方差匹配CV_TM_SQDIFF：用两者的平方差来匹配，最好的匹配值为0

归一化平方差匹配CV_TM_SQDIFF_NORMED

相关匹配CV_TM_CCORR：用两者的乘积匹配，数值越大表明匹配程度越好

归一化相关匹配CV_TM_CCORR_NORMED

相关系数匹配CV_TM_CCOEFF：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

归一化相关系数匹配CV_TM_CCOEFF_NORMED

这些方法的对比代码可到源码处查看。模板匹配也是应用卷积来实现的：假设原图大小为W×H，模板图大小为w×h，那么生成图大小是(W-w+1)×(H-h+1)，生成图中的每个像素值表示原图与模板的匹配程度。

由于这个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。所以一般用来相同目标物品在不同图片里寻找，或者同一类型图片的查找。比如下面的例子，就是用来寻找不同人的身份证的有效日期的位置：

#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('cnid.png',0)
img2 = img.copy()
template = cv2.imread('cnid1.png',0)
w, h = template.shape[::-1]

#6种比较方法
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
            'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

for meth in methods:
    img = img2.copy()
    method = eval(meth)#这里把字符串表达式求值，返回宏表达的数值

    #匹配比较
    res = cv2.matchTemplate(img,template,method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    #TM_SQDIFF 或 TM_SQDIFF_NORMED取最小值有效
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc        
    bottom_right = (top_left[0] + w, top_left[1] + h)
    
    cv2.rectangle(img,top_left, bottom_right, 255, 3)#画白色矩形作为标记

    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()

结果输出如下：