怎么用Python+Opencv實(shí)現(xiàn)圖像模板匹配

這篇文章主要介紹“怎么用Python+Opencv實(shí)現(xiàn)圖像模板匹配”，在日常操作中，相信很多人在怎么用Python+Opencv實(shí)現(xiàn)圖像模板匹配問題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”怎么用Python+Opencv實(shí)現(xiàn)圖像模板匹配”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

引言

什么是模板匹配呢？

模板匹配可以看作是對(duì)象檢測(cè)的一種非常基本的形式。使用模板匹配，我們可以使用包含要檢測(cè)對(duì)象的“模板”來(lái)檢測(cè)輸入圖像中的對(duì)象。

一、匹配方法

cv2.matchTemplate(img, templ, method)

參數(shù)：（img： 原始圖像、temple： 模板圖像、method： 匹配度計(jì)算方法）

方法如下： 

cv2.TM_SQDIFF： 計(jì)算平方差，計(jì)算結(jié)果越小，越相關(guān)

公式：

cv2.TM_CCORR： 計(jì)算相關(guān)性，計(jì)算出來(lái)的值越大，越相關(guān)

公式：

cv2.TM_CCOEFF： 計(jì)算相關(guān)系數(shù)，計(jì)算出的值越大，越相關(guān)

公式：

cv2.TM_SQDIFF_NORMED： 計(jì)算歸一化平方差，計(jì)算結(jié)果越接近0，越相關(guān)

公式：

cv2.TM_CCORR_NORMED： 計(jì)算歸一化相關(guān)性，計(jì)算結(jié)果越接近1，越相關(guān)

公式：

cv2.TM_CCOEFF_NORMED： 計(jì)算歸一化相關(guān)系數(shù)，計(jì)算結(jié)果越接近1，越相關(guān)

 公式：

 二、匹配單個(gè)對(duì)象

img代表原始圖像，template代表模板窗口，1默認(rèn)為cv2.TM_SQDIFF方法

res = cv2.matchTemplate(img, template, 1)

 獲取結(jié)果的最值和最值位置（最值位置是左上角的坐標(biāo)位置，通過(guò)模板的寬和高可以在原圖上把模板位置畫出來(lái)）

min_val,max_val,min_loc,max_loc = cv2.minMaxLoc(res)

完整的代碼：

import cv2
import numpy as np
import matplotlib.pyplot as plt
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
img=cv2.imread('C:/Users/bwy/Desktop/7.png',0)
template=cv2.imread('C:/Users/bwy/Desktop/8.png',0)
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:
    img3=img.copy()
    method=eval(meth)
    print(meth)
    res1=cv2.matchTemplate(img,template,method)
    min_val,max_val,min_loc,max_loc = cv2.minMaxLoc(res1)
    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)
    #倆矩形
    cv2.rectangle(img3,top_left,bottom_right,255,2)
    plt.subplot(121),plt.imshow(res1,cmap='gray')
    plt.xticks([]),plt.yticks([])#隱藏坐標(biāo)軸
    plt.subplot(122),plt.imshow(img3,cmap='gray')
    plt.xticks([]),plt.yticks([])#隱藏坐標(biāo)軸
    plt.suptitle(meth)
    plt.show()

 三、匹配多個(gè)對(duì)象

1.導(dǎo)包構(gòu)建函數(shù)

import cv2
import numpy as np
import matplotlib.pyplot as plt
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

2.讀入圖像轉(zhuǎn)灰度圖，改大小。

im=cv2.imread('C:/Users/bwy/Desktop/9.png')
TE=cv2.imread('C:/Users/bwy/Desktop/10.png',cv2.IMREAD_GRAYSCALE)
im1=cv2.resize(im,(600,337))
cv_show('im',im1)
img_=cv2.cvtColor(im1,cv2.COLOR_BGR2GRAY)
TE=cv2.resize(TE,(60,60))
TE.shape

3.圖像匹配

h,w=TE.shape[:2]
r=cv2.matchTemplate(img_,TE,cv2.TM_CCOEFF_NORMED)
cv_show('r',r)

4.取匹配程度大于75%的坐標(biāo) ，畫在原圖上

其中：zip(*) 可理解為解壓，返回二維矩陣式。loc中l(wèi)oc[0]是高，loc[1]是寬，[::-1]表示倒序。p[0]代表寬，p[1]代表高

threshold=0.75
loc=np.where(r>=threshold)
for pt in zip(*loc[::-1]):#*代表可選參數(shù)
    bottom_right=(pt[0]+w,pt[1]+h)
    cv2.rectangle(im1,pt,bottom_right,(0,0,255),1)
cv_show('im1',im1)

到此，關(guān)于“怎么用Python+Opencv實(shí)現(xiàn)圖像模板匹配”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！