https://blog.csdn.net/wc781708249/article/details/78518447
1切り欠き
輸入CV2
NPとしてnumpyのインポート
__name__ == '__main__' の場合：
＃読み取り画像
イム= cv2.imread（ "image.jpg"）
＃選択ROI
R = cv2.selectROI（IM）
＃ クロップ画像
imCrop = IM [INT（R [1]）：INT（R [1] + R [3]）、INT（R [0]）：INT（R [0] + R [2]）]
＃表示は、画像をトリミング
cv2.imshow（ "イメージ"、imCrop）
cv2.waitKey（0）
左上から右下に四角形をドラッグします
あなたが私に似ている場合は、代わりに、中心からドラッグの、左上隅から長方形の右下隅をドラッグしたいと思います。だから、我々は簡単に、この問題を解決する代わりに、強調表示された行の次の行を使用することができます。
fromCenter = 偽
R = cv2.selectROI（IM、fromCenter）
私は十字線を表示したくありませんか？
さて、あなたはクロスヘア好きではないと仮定し、それは長方形を見たいと思っていません。あなたは十字線を表示するようにコードを変更することはできません。
ショーの十字線=偽 fromCenter =偽 R = cv2.selectROI（ "イメージ"、イム、fromCenter、showCrosshair）
2 保存
輸入CV2 cv2.namedWindow（「画像」）＃は、ウィンドウを作成します IMG = cv2.imread（ 'ver.jpg'） cv2.imshow（ "イメージ"、IMG） cv2.imwrite（ 'test.jpg'、IMG、[INT（cv2.IMWRITE_JPEG_QUALITY）、70]） cv2.waitKey（0） cv2.destroyWindow（ "画像"）＃閉じます
3件一致
単一のオブジェクトのマッチング
- テンプレートマッチングを畳み込み達成される：次に、図サイズ（W-W + 1）×（H-H + 1）を生成し、H×wをと仮定元のサイズW×H、テンプレート図のサイズを、図を生成します各ピクセル値は、元のテンプレートとの一致度を表します。
- テンプレートマッチングの原理は、非常に簡単で、オリジナルを比較するために、テンプレート画像を動かし続けるためにある、六つの異なる比較方法があります。
- マッチは、差分の二乗 CV_TM_SQDIFF：試合に二乗差を、ベストマッチは0であります
- 正規化二乗差のマッチング CV_TM_SQDIFF_NORMED
- 関連マッチ CV_TM_CCORR：より良い製品の両方と一致する、より大きな値の一致度
- 正規化相関マッチングCV_TM_CCORR_NORMED
- 相関係数が一致 CV_TM_CCOEFF：1のマッチングの相関係数は、完全な一致を示すと-1最悪の試合のために
- 正規化相関係数マッチング CV_TM_CCOEFF_NORMED
https://zhuanlan.zhihu.com/p/62643151
輸入CV2
NPとしてnumpyのインポート
PLTとしてmatplotlibの輸入pyplotから
＃1。テンプレートマッチング
IMG = cv2.imread（ 'dog.jpg'）
img_gray = cv2.cvtColor（IMG、cv2.COLOR_BGR2GRAY）
IMG = cv2.cvtColor（IMG、cv2.COLOR_BGR2RGB）
テンプレート= cv2.imread（ 'face_dog.jpg'、0）
H、W = template.shape [2]＃rows-> H、cols- W>
マッチング方法の＃6種類
メソッド= [ 'cv2.TM_CCOEFF'、 'cv2.TM_CCOEFF_NORMED'、 'cv2.TM_CCORR'、
'cv2.TM_CCORR_NORMED'、 'cv2.TM_SQDIFF'、 'cv2.TM_SQDIFF_NORMED']
方法でメタのために：
IMG2 = img.copy（）
真の値＃マッチング
方法= evalの（メタ）
RES = cv2.matchTemplate（img_gray、テンプレート法）
min_val、MAX_VAL、min_loc、max_loc = cv2.minMaxLoc（RES）
一致が差TM_SQDIFF又はTM_SQDIFF_NORMEDに一致する正規化された正方形の差の二乗の場合＃、最小値をとります
もしにおける方法[cv2.TM_SQDIFF、cv2.TM_SQDIFF_NORMED]：
TOP_LEFT = min_loc
そうしないと：
TOP_LEFT = max_loc
BOTTOM_RIGHT =（TOP_LEFT [0] +、W TOP_LEFT [1] + H）
cv2.circle（RES、TOP_LEFT、10、0、2）
＃四角形を描画|
cv2.rectangle（IMG2、TOP_LEFT、BOTTOM_RIGHT、（0、255、0）、2）
マルチオブジェクトマッチング
✔️シングルマッチが最大のマッチポイントを見つけることです、それは一度だけ一致させることができます。
✔️マルチオブジェクトマッチングのために、私たちは、時代に合わせて、試合のしきい値を設定する必要があります。
img_rgb = cv2.imread（ 'mario.jpg'）
img_gray = cv2.cvtColor（img_rgb、cv2.COLOR_BGR2GRAY）
テンプレート= cv2.imread（ 'mario_coin.jpg'、0）
H、W = template.shape [2]
RES = cv2.matchTemplate（img_gray、テンプレート、cv2.TM_CCOEFF_NORMED）
しきい値= 0.8
＃80％一致度の大きい座標乗り
LOC = np.where（RES> =閾値）
ジップでPTのために（* LOC [:: - 1]）：＃*数字は、オプションのパラメータを示しています
BOTTOM_RIGHT =（PT [0] + PT、W [1] + H）
cv2.rectangle（img_rgb、PT、BOTTOM_RIGHT、（0、0、255）、2）
cv2.imshow（ 'img_rgb'、img_rgb）
cv2.waitKey（0）
