模板匹配方法

大家好，欢迎来到IT知识分享网。

模板匹配

方法：
cv2.TM_SQDIFF：计算平方不同，结果越小越相关。
cv2.TM_CCORR：计算相关性，结果越大越相关。
cv2.TM_CCOEFF：计算相关系数，结果越大越相关。
cv2.TM_SQDIFF_NORMED：计算归一化平方不同，结果越接近0越相关。
cv2.TM_CCORR_NORMED：计算归一化相关性，结果越接近1越相关。
cv2.TM_CCOEFF_NORMED：计算归一化相关系数，结果越接近1越相关。

读图像与模板并计算模板长于宽

deppb = cv2.imread('deppb.jpg', 0) deppl = cv2.imread('deppl.png', 0) h, w = deppl.shape[: 2] 

输出图像与模板的大小

print(deppb.shape) print(deppl.shape) 

六种方法

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: deppb2 = deppb.copy() # 匹配方法的真值 method = eval(meth) print(method) res = cv2.matchTemplate(deppb, deppl, method) # 模板匹配 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 如果方法为平方差匹配cv2.TM_SQDIFF或归一化匹配cv2.TM_SQDIFF_NORMED则取最小值 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) # 画矩形 cv2.rectangle(deppb2, top_left, bottom_right, 255, 2) plt.subplot(121), plt.imshow(res, cmap='gray') plt.xticks([]), plt.yticks([]) # 隐藏坐标轴 plt.subplot(122), plt.imshow(deppb2, cmap='gray') plt.xticks([]), plt.yticks([]) plt.suptitle(meth) # 表头 plt.show() 

结果

可以看出如果方法为平方差匹配cv2.TM_SQDIFF或归一化匹配cv2.TM_SQDIFF_NORMED则取最小值，最相关的位置最黑。
cv2.TM_CCORR方法较不理想。

匹配多个对象

在图mary中找到砖块maryl

maryl

img_rgb = cv2.imread('mary.jpg') img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) template = cv2.imread('maryl.jpg', 0) h, w = template.shape[:2] res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED) yuzhi = 0.78 # 取匹配度大于78%的坐标 loc = np.where(res >= yuzhi) for pt in zip(*loc[::-1]): bottom_right = (pt[0] + w, pt[1] + h) cv2.rectangle(img_rgb, pt, bottom_right, (150, 255, 10), 2) cv2.imshow('img_rgb', img_rgb) cv2.waitKey(0) 

结果