opencv 模式匹配 opencv模板匹配算法改进

导读

        模板匹配是用来在一副大图中搜寻查找模版图像位置的方法。绘制矩形是用来将模版图像的匹配结果展示出来的方法。

        模板匹配实现简单（2~3行代码），计算效率高，不需要执行阈值化、边缘检测等操作来生成二值化图像。但是：如果输入图像中存在变化的因素，包括旋转、缩放、视角变化等，模板匹配很容易就会失效。除非：旋转、缩放、视角变化恒定的情况下，模板匹配也可以完美发挥作用。

        如果你的输入图像中包含这些类型的变化因素，那么你不应使用模板匹配，而应该使用专用的对象检测器，包括：HOG + 线性 SVM，Faster R-CNN，SSD，YOLO 等。

        你可能需要的文章：

• 关于：Python基础，爬虫，常见异常和面试【篇】（专题汇总）

---

正文

        OpenCV 为我们提供了函数： cv2.matchTemplate() 用于实现模板匹配，并使用 cv2.minMaxLoc() 计算匹配结果，最后通过 cv2.rectangle() 绘制矩形展示匹配结果。

一、方法介绍

1. cv2.matchTemplate()

1.1 作用

        模板匹配是在一幅图像中寻找一个特定目标的方法，这种方法的原理非常简单：依次遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。

1.2 使用方法

res = cv2.matchTemplate(image, templ, method, result=None, mask=None)

• image：输入一个待匹配的图像，支持8U或者32F；
• templ：输入一个模板图像，需与image相同类型；
• method：要使用的数据匹配算法。
• result：输出保存结果的矩阵，32F类型；

1.3 匹配算法

        OpenCV提供了6种模板匹配算法。

method	名称	含义
TM_SQDIFF	平方差匹配	计算模板与目标图像的方差，由于是像素值差值的平方的和，所以值越小匹配程度越高。
TM_CCORR	相关匹配	该方法采用乘法操作；数值越大表名匹配程度越好。
TM_CCOEFF	相关系数匹配	计算相关系数，1表示完美匹配；-1表示最差匹配。
TM_SQDIFF_NORMED	归一化平方差匹配	计算归一化平方差，计算出来的值越接近0，越相关。
TM_CCORR_NORMED	归一化相关匹配	计算归一化相关性，计算出来的值越接近1，越相关。
TM_CCOEFF_NORMED	归一化相关系数匹配	计算归一化相关系数，计算出来的值越接近1，越相关。

         下面是匹配算法的公式，额，别问我这些公式什么意思，我也不懂，官网上扒下来的，看看就好。

2. cv2.minMaxLoc()

2.1 作用

        根据 cv2.matchTemplate() 的匹配结果，返回图形坐标结果。

2.2 使用方法

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

• ret：是 cv2.matchTemplate() 返回的矩阵；
• min_val：最小值；
• max_val：最大值；
• min_loc：最小值对应的图像中的位置；
• max_loc：最大值对应的图像中的位置；

3. cv2.rectangle()

3.1 作用

        绘制矩形：在图片 img 上画长方形，坐标原点是图片左上角，向右为x轴正方向，向下为y轴正方向。

3.2 使用方法

cv2.rectangle(img, pt1, pt2, color, thickness, lineType, shift )

• img：底图；
• pt1：矩形的左上角坐标；
• pt2：矩形的右下角坐标；
• color：线条的颜色，BGR；
• thickness：线的粗细，数值越大线越粗；

---

二、实战操作

1. 图片准备

        待匹配图片 image（博客首页的图），模板图片 templ 如下：

2. 代码展示

# _*_coding:utf-8_*_
# 作者：Java Punk
# 时间：2022-10-09 14:49:45
# 功能：方法学习：cv2.matchTemplate(), cv2.minMaxLoc(), cv2.rectangle()

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

# 单个模板匹配
def one_match(image, templ):
    # 1.读取图片
    img = cv2.imread(image)
    template = cv2.imread(templ)
    h, w = template.shape[:2]
    # 2.匹配模板
    res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    # 3.计算矩形左边
    top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    # 4.画矩形
    cv2.rectangle(img, top_left, bottom_right, (255, 0, 0), 5)
    # 5.展示结果
    cv2.imshow('img_rgb', img)
    cv2.waitKey(0)
    pass

if __name__ == '__main__':
    print("———————————————————— start ————————————————————\n")
    # 图片路径自己设置，下面是我本地的路径，记得替换！！！
    one_match('../img/test/guimie_01.jpg', '../img/test/guimie_02.jpg')
    print("———————————————————— end ————————————————————\n")

3. 结果展示

        完美匹配到了，下面的蓝色方框可不是我画的，是程序画的哈。

---