12. Correspondance des modèles
Correspondance de modèles : en termes simples, il s'agit de trouver une image avec une image et de trouver sa position dans l'image à travers une partie de l'image
Exécuter la correspondance des modèles à l'aide de trois méthodes de correspondance
- cv.TM_SQDIFF_NORMED : utilisez la différence carrée entre les deux pour faire correspondre, la meilleure valeur de correspondance est 0 ;
- cv.TM_CCORR_NORMED : Utilisez le produit des deux pour faire correspondre, plus la valeur est grande, meilleur est le degré de correspondance,
- cv.TM_CCOEFF_NORMED : correspondance avec le coefficient de corrélation des deux, 1 signifie une correspondance parfaite, -1 signifie la pire correspondance
code afficher comme ci-dessous:
# 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()
résultat de l'opération :