图像模板匹配

目录

• 一、概念
  • 匹配模式
• 实现
• 匹配多个对象

---

一、概念

局部图片 在 完整图片的哪个位置（最像）

OpenCV 会从左到右，从上到下，一点点匹配，查看差异值；

模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与(图像被模板覆盖的地方)的差别程度，这个差别程度的计算方法在opencv里有6种。
将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)

---

匹配模式

• TM_SQDIFF: 计算平方不同，计算出来的值越小，越相关
• TM_CCORR: 计算相关性,计算出来的值越大，越相关
• TM_CCOEFF: 计算相关系数,计算出来的值越大，越相关
• TM_SQDIFF_NORMED: 计算归一化平方不同,计算出来的值越接近0,越相关
• TM_CCORR_NORMED: 计算归-化相关性,计算出来的值越接近1,越相关
• TM_CCOEFF_NORMED: 计算归-化相关系数,计算出来的值越接近1,越相关

---

实现

import cv2
import numpy as np
import matplotlib.pyplot as plt
 
umb = cv2.imread('umb.jpg')
template = cv2.imread('cloud.jpg')
 
h, w = template.shape[:2]
 
template.shape  #   (105, 135, 3)
 
umb.shape  # (640, 640, 3)
 
# 匹配 
res = cv2.matchTemplate(umb, template, 1)

# 假如原图形是 AxB 大小，而模板是 axb 大小，则输出结果的矩阵是(A-a+1)x(B-b+1)
res.shape  #  (536, 506)

# 设置不同的方法，来观察

methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED' , 'cv2.TM_CCORR' , 'cv2.TM_CCORR_NORMED' , 'cv2.TM_SQDIFF' , 'cv2.TM_SQDIFF_NORMED']

 
# minMaxLoc 用来定位
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
 
min_val, max_val, min_loc, max_loc
#  (0.0002330602437723428, 0.17726679146289825, (504, 404), (299, 99))

---

# 越小的值，像素的差异越小；可尽量使用归一化(后缀有 _NORMED)的结果

for meth in methods: 
    img2 = umb.copy()
    method = eval(meth)
    print(method)
    
    res = cv2.matchTemplate(umb, template, 1)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    
    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)
    
    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)
    
    plt.subplot(121), plt.imshow(res, cmap='gray')
    # 隐藏坐标轴
    plt.xticks([]), plt.yticks([])
    plt.subplot(122), plt.imshow(img2, cmap='gray')
    # 隐藏坐标轴
    plt.xticks([]), plt.yticks([])
    
    plt.suptitle(meth)
    plt.show()

---

匹配多个对象

不是选择一个最小或最大的，而是自己去选择一个合适的范围值

back = cv2.imread('umb.jpg')
h, w = template.shape[::2]

res = cv2.matchTemplate(back, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.2

# 取匹配程度大于 0.8 的坐标
loc = np.where(res >= threshold)

for pt in zip(*loc[::-1]):   # * 表示可选参数
    bottom_right = (pt[0] + w, pt[1] + h )
    cv2.rectangle(back, pt, bottom_right, (0,255,0), 2)
     
plt.imshow(back)

---