OpenCV-Python教程:28.模板匹配

理论

模板匹配是在一个大图里搜索和找模板图像位置的方法。OpenCV有个函数cv2.matchTemplate()来做这个。它吧模板图像在输入图像上滑动,对比模板和在模板图像下的输入图像块。它返回了一个灰度图像,每个像素表示那个像素周围和模板匹配的情况。

如果输入图像大小是WxH而模板图像大小是wxh,输出图像的大小是(W-w+1, H-h+1)。当你得到了结果,你可以用cv2.minMaxLoc()函数来找最大最小值。把它作为矩形左上角,w,h作为矩形的宽和高。矩形是你的模板区域。

注意:
如果你用cv2.TM_SQDIFF作为比较方法,最小值是最匹配。

OpenCV里的模板匹配

作为例子,我们在照片里搜索messi的脸。所以我做了这个模板:

我们会尝试所有的比较方法

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg',0)
img2 = img.copy()
template = cv2.imread('template.jpg',0)
w, h = template.shape[::-1]

# All the 6 methods for comparison in a list
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:
    img = img2.copy()
    method = eval(meth)

    # Apply template Matching
    res = cv2.matchTemplate(img,template,method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
    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)

    cv2.rectangle(img,top_left, bottom_right, 255, 2)
   
    plt.subplot(121),plt.imshow(res,cmap = 'gray')
    plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
    plt.subplot(122),plt.imshow(img,cmap = 'gray')
    plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    plt.show()

·cv2.TM_CCOEFF

·cv2.TM_CCOEFF_NORMED

·cv2.TM_CCORR

cv2.TM_CCORR_NORMED

cv2.TM_SQDIFF

cv2.TM_SQDIFF_NORMED

你可以看到cv2.TM_CCORR的结果不是我们想要的。

模板匹配多个目标

在前面我们搜索了messi的脸,目标只在图像里出现了一次,假设你要搜的东西在图像里出现多次,cv2.minMaxLoc()不会给你所有的位置。在这种情况下,我们会使用阈值,在这个例子里,我们使用超级玛丽的截图来找金币。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img_rgb = cv2.imread('mario.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.png',0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

cv2.imwrite('res.png',img_rgb)

结果:

END

推荐阅读更多精彩内容

  • 理论 傅里叶变换用来分析多种过滤器的频率特征。对于图片,2D离散傅里叶变换(DFT)用来找频率范围。一个快速算法叫...
    xxxss阅读 5,434评论 0 52
  • 简单阈值 这里,问题很简单,如果像素值超过阈值,就给分配一个值(可能是白色),否则给分配另一个值(可能是黑色)。用...
    xxxss阅读 3,766评论 1 51
  • 转换 OpenCV提供了两个转换函数,cv2.warpAffine和cv2.warpPerspective,通过他...
    xxxss阅读 7,301评论 1 52
  • 基础 今天的针孔摄像头对图像做了很多扭曲,两个主要的扭曲是径向畸变和切向畸变。 由于径向畸变,直线会显示成曲线,当...
    xxxss阅读 12,309评论 0 52
  • 我躲在沉默的角落 忘了拐进街角的你 你的影子停在街头 定住我的回忆
    谋杀猫大人阅读 59评论 0 0