python opencv对比两张图片相似度 opencv比较图片相似度

模板匹配就是在整个图像区域发现与给定图像最相似的小块区域，所以模板匹配首先需要一个模板图像，另外需要一个待检测图像：

• 在待检测图像上，从左到右，从上到下，计算模板图像与重叠子图像的匹配度（相似度），匹配度（相似度）越大，两者相同的可能性越大。
• 对于每一个位置将计算的相似结果保存在矩阵 R 中。如果输入图像的大小为 WxH 且模板图像的大小为 wxh，则输出矩阵 R 的大小为 (W-w+1)x(H-h+1) 。
• 获得 R 后，从 R 中找出匹配度最高的位置，那么该位置对应的区域就是最匹配的，区域为以该点为顶点，长宽和模板图像一样大小的矩阵。)

OpenCV函数

matchTemplate

将模板与重叠的图像区域进行比较。

使用指定的方法将大小为 w×h 的重叠矩阵与 templ 进行比较，并将比较结果存储在 result 中。

函数完成比较后，可以使用 minMaxLoc 函数找到最佳匹配项，作为全局最小值（使用TM_SQDIFF时）或最大值（使用TM_CCORR或TM_CCOEFF时）。 在彩色图像的情况下，分子的模板求和和分母中的每个和在所有通道上进行，每个通道使用单独的平均值。 即，该函数可以获取彩色模板和彩色图像。 结果仍然是单通道图像，更易于分析。

enum  cv::TemplateMatchModes {
	  cv::TM_SQDIFF = 0,
	  cv::TM_SQDIFF_NORMED = 1,
	  cv::TM_CCORR = 2,
	  cv::TM_CCORR_NORMED = 3,
	  cv::TM_CCOEFF = 4,
	  cv::TM_CCOEFF_NORMED = 5
	}
void cv::matchTemplate( InputArray		image,
                        InputArray		templ,
                        OutputArray		result,
                        int				method,
                        InputArray		mask = noArray() 
                    	)
//Python:
result = cv.matchTemplate(image, templ, method[, result[, mask]])

参数解释

参数	解释
image	源图像，要搜索的图像，8位或32位浮点。
templ	搜索的模板，不大于源图像并且具有相同的数据类型。
result	比较结果图，单通道32位浮点。 如果 image 为 W×H 并且 templ 为 w×h ，则结果为 (W-w + 1)×(H-h + 1)。
method	比较的方法
mask	搜索模板的掩码。 必须与 templ 具有相同的数据类型和大小。默认情况下未设置。 当前，仅支持TM_SQDIFF 和 TM_CCORR_NORMED 方法。

比较方法：

• TM_SQDIFF：平方差匹配法，该方法采用平方差进行匹配，最好的匹配值为0；匹配越差，匹配值越大
• TM_SQDIFF_NORMED：归一化平方差匹配法
• TM_CCORR：相关匹配法，该方法采用乘法操作，数值越大表示匹配程度越好
• TM_CCORR_NORMED：归一化相关匹配法
• TM_CCOEFF：相关系数匹配法，1表示完美的匹配，-1表示最差的匹配
• TM_CCOEFF_NORMED：归一化相关系数匹配法

在 OpenCV 的实现中采用了傅里叶变换，速度会快很多。OpenCV 源码路径：modules/imgproc/src/templmatch.cpp。

简单说一下 OpenCV 源码的方法：

对于 TM_CCORR 方法，
$R(x, y) = \sum_{x$
对于 TM_SQDIFF：
$\begin{aligned} R(x, y) & = \sum_{x$
对于 TM_CCOEFF：
$\begin{aligned} R(x, y) & = \sum_{x$
其中 $sum(I)$ 为源图像中模板图像对应区域的和，$mean(T)$

而对于以上三个公式中的 $\sum_{x$

对于 $I(x+x$

对于 TM_SQDIFF_NORMED，TM_CCORR_NORMED 的分母部分都可以通过图像的（平方）积分来实现。

对于 TM_CCOEFF_NORMED 的分母：
$\sum_{x$

$\sum_{x$

其中 $\sigma^2$ 为模板图像的方差，$N,M$

通过以上的分析，使用不同的方法计算，可以加快模板匹配的速度。

C++示例

string srcWindow = "src";
string temWindow = "tem";
string matchWindow = "match";
string resultWindow = "result";

int matchMethod = 5;

int main()
{
    string outDir = "./";
    Mat src = imread("src.jpg");
    Mat tem = imread("tem.jpg");
    
    Mat result;
    Mat matchResult;
    // 模板匹配
    matchTemplate(src, tem, result, matchMethod);
    // 获取最大值，最小值，以及对应的点
    Point minLoc, maxLoc, temLoc;
    double minVal, maxVal;
    minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
    if(matchMethod == 0 || matchMethod == 1)
    {
        temLoc = minLoc;
    }
    else
    {
        temLoc = maxLoc;
    }
    // 获取匹配到的图像
    matchResult = src(Range(temLoc.y, temLoc.y+tem.rows), Range(temLoc.x, temLoc.x+tem.cols));
    // 在原图画矩形
    rectangle(src, Rect(temLoc.x, temLoc.y, tem.cols, tem.rows), Scalar(0, 0, 255), 2);
    imshow(resultWindow, result);
    imshow(srcWindow, src);
    imshow(matchWindow, matchResult);
    imshow(temWindow, tem);
    imwrite(outDir+"src.jpg", src);
    imwrite(outDir+"result.jpg", matchResult);
    waitKey(0);
    return 0;
}

效果