学习视频可参见python opencv3.3视频教学 基础入门[1]
模板匹配
1.模板匹配原理
- 模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.
- 原理：在要检测的图像上，从左到右，从上到下遍历这一幅图像，从上到下计算模板与重叠子图像的像素匹配度，如果匹配的程度越大，这说明相同的可能性越大。
2.模板匹配算法
- OpenCV中的函数 matchTemplate 实现了模板匹配算法
- 平方差匹配 method=CV_TM_SQDIFF
- 最好匹配为0.匹配越差,匹配值越大
- 标准平方差匹配 method=CV_TM_SQDIFF_NORMED
- 最好匹配为0.匹配越差,匹配值越大
- 相关匹配 method=CV_TM_CCORR
- 采用模板和图像间的乘法操作
- 最好匹配是较大的数,最坏的匹配效果为0
- 标准相关匹配 method=CV_TM_CCORR_NORMED
- 好坏程度衡量同相关匹配CV_TM_CCORR
- 相关匹配 method=CV_TM_CCOEFF
- 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表示匹配很差,0表示没有任何相关性(随机序列)
- 其中
- 标准相关匹配 method=CV_TM_CCOEFF_NORMED
- 好坏程度衡量同相关匹配 CV_TM_CCOEFF
参见CV学习笔记（十一）：模板匹配[2]
3.测试用例
代码语言：javascript复制def template_demo():
tpl=cv.imread("./images/lena_face.png") #模板图
target=cv.imread("./images/lena.jpg") #检测图
cv.imshow("template image",tpl)
cv.imshow("target image",target)
#匹配算法
methods=[cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED]
th,tw=tpl.shape[:2] #获取模板的高，宽
for md in methods:
print(md)
result=cv.matchTemplate(target,tpl,md)
min_val,max_val,min_loc,max_loc=cv.minMaxLoc(result) #返回最小值，最大值，最小值位置，最大值位置
if md == cv.TM_SQDIFF_NORMED: #如果是标准平方差匹配，0表示匹配结果最好，取最小值
tl=min_loc
else: #如果是剩下的两种方法，值越大表示匹配越好，因而选最大值
tl=max_loc
br=(tl[0] tw,tl[1] th) #矩形右下角坐标
cv.rectangle(target,tl,br,(0,0,255),2)
cv.imshow("match-" np.str(md),target)
#cv.imshow("match-" np.str(md), result)
测试结果：
单从此次测试结果来看标准平方差匹配效果好一点
参考资料
[1]
python opencv3.3视频教学 基础入门: https://www.bilibili.com/video/BV1QW411F7e7?p=1
[2]
CV学习笔记（十一）：模板匹配: https://zhuanlan.zhihu.com/p/110425960
