您好,登錄后才能下訂單哦!
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!
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。
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:
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()
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!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。