。

模板匹配在计算机视觉中用于目标检测、图像识别、特征提取等领域。

OpenCV

Matching的功能它允许你在图像中寻找特定模板小图像在目标图像中的匹配位置。

模板匹配在计算机视觉中用于目标检测、图像识别、特征提取等领域。

OpenCV

cv2.TM_CCOEFF、cv2.TM_CCOEFF_NORMED、cv2.TM_CCORR、cv2.TM_CCORR_NORMED、cv2.TM_SQDIFF

cv2.TM_SQDIFF_NORMED。

每种方法对应不同的匹配计算方式。

应用模板匹配

在匹配结果矩阵中通过分析像素值找到最佳匹配位置即目标图像中的匹配位置。

内寻找与图像

中希望在图中的大图像“lena”内寻找左上角的“眼睛”图像。

此时大图像“lena”是输入图像“眼睛”图像是模板图像。

查找的方式是将模板图像在输入图像内从左上角开始滑动逐个像素遍历整幅输入图像以查找与其最匹配的部分。

模板匹配函数说明

cv2.matchTemplate()实现的。

该函数的语法格式为

result

为模板图像。

它的尺寸必须小于或等于原始图像并且与原始图像具有同样的类

TemplateMatchModes

具有相同的类型和大小。

通常情况下该值使用默认值即可。

当前该参数仅支持

TM_SQDIFF

开始。

最后一次比较是当模板图像位于原始图像的最右侧时此时其左上角像素点所在的位置是

因此返回值

个像素开始。

最后一次比较是当模板图像位于原始图像的最下端时此时其左上角像素点所在位置是H-h1。

result

wh则返回值的大小为(W-w1)(H-h1)。

也就是说模板图像要在输入图像内比较(W-w1)(H-h1)次。

例如在图

首先将模板图像置于输入图像的左上角。

模板图像在向右移动时最远只能位于输入图像的最右侧边界处此时模板图像左上角的像素对应着输入图像的第

列输入图像宽度-模板图像宽度1

9。

模板图像在向下移动时最远只能位于输入图像最下端的边界处。

此时模板图像左上角的像素对应着输入图像的第

行输入图像高度-模板图像高度1

的大小满足(W-w1)*(H-h1)在上例中就是(10-21)×(10-21)即

9×9

cv2.TM_CCORR、cv2.TM_CCORR_NORMED、cv2.TM_CCOEFF

cv2.TM_CCOEFF_NORMED

从上述分析可以看出查找方法不同结果的判定方式也不同。

在查找最佳匹配时首先要确定使用的是何种

代码示例使用函数

cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)template1

cv2.imread(toukui2.png)template

cv2.cvtColor(template1,cv2.COLOR_BGR2GRAY)th,

template.shape[::]

cv2.matchTemplate(img,template,cv2.TM_SQDIFF)minVal,

maxVal,

plt.subplot(121),plt.imshow(rv,cmap

gray)

plt.subplot(122),plt.imshow(img,cmap

gray)

中搜索其戴头盔该子图在整个输入图像内仅出现了一次。

但是有些情况下如果摄像头下面现在站了3个戴头盔的人这时就需要找出多个匹配结果。

而函数

cv2.minMaxLoc()仅仅能够找出最值无法给出所有匹配区域的位置信息。

所以要想匹配多个结果使用函数

cv2.minMaxLoc()是无法实现的需要利用阈值进行处理。

where()能够获取模板匹配位置的集合。

对于不同的输入其返回的值是不同的。

当输入参数是一维数组时返回值是一维索引只有一组索引数组。

当输入是二维数组时返回的是匹配值的位置索引因此会有两组索引数组表示返回值的位置。

中数值大于

amnp.array([[3,6,8,77,66],[1,2,88,3,98],[11,2,67,5,2]])

bnp.where(am5)

cv2.matchTemplate()的返回值中哪些位置上的值是大于阈值

threshold

cv2.matchTemplate()进行模板匹配后的返回值。

threshold

2],

16因此在获取匹配值的索引集合后可以采用如下语句遍历所有匹配的位置对这些位置做标记

for

zip()用可迭代的对象作为参数将对象中对应的元素打包成一个个元组然后返回由这些元组组成的列表。

zip()将

amnp.array([[3,6,8,77,66],[1,2,88,3,98],[11,2,67,5,2]])

print(am)

numpy.where()可以获取满足条件的模板匹配位置集合然后可以使用函数cv2.rectangle()在上述匹配位置绘制矩形来标注匹配位置。

使用函数

cv2.matchTemplate()的输出值中查找指定值得到的形式为“行号列号”的位置索引。

cv2.rectangle()中用于指定顶点的参数所使用的是形

cv2.rectangle()绘制矩形前要先将函数numpy.where()得到的位置索引做“行列互换”。

可以使用如下语句实现

loc

cv2.rectangle()可以标记匹配图像的具体位置分别指定要标记的原始图像、对角顶点、颜色、矩形边线宽度即可。

for

循环语句从确定的满足条件的“匹配位置集合”内获取。

另外一个对角顶点可以通过顶点

for

2)代码示例使用模板匹配方式标记在输入图像内与模板图像匹配的多个子图像。

代码如下

cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)

threshold

zip(*loc[::-1]):cv2.rectangle(img,

pt,

1)cv2.imshow(template,template)

cv2.waitKey()