Python 模板匹配 匹配多个 识别多个图形

原文：https://www.cnblogs.com/gezhuangzhuang/p/10724769.html

原文：https://www.cnblogs.com/FHC1994/p/9123393.html

原文：https://blog.csdn.net/qq_41603898/article/details/82219291

 识别技巧：

　　小图的选择，尽可能的选择最核心的部分，要保证大图里面每个元素有包含了小图

　　小图特点：小、每个图都能匹配到、取核心部分

匹配的几种方式：

　　1、TM_SQDIFF：平方差匹配；
　　　　TM_SQDIFF_NORMED：标准平方差匹配。
　　　　利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。

　　2、TM_CCORR：相关性匹配；
　　　　TM_CCORR_NORMED：标准相关性匹配。
　　　　采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。

　　3、TM_CCOEFF：相关性系数匹配；
　　　　TM_CCOEFF_NORMED：标准相关性系数匹配。
　　　　将模版对其均值的相对值与图像对其均值的相关值进行匹配,
　　　　1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。

总结：随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。

说明：

　　原图（大图）：big.jpg

　　模板（小图）：smart.jpg

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


# 原文：https://www.cnblogs.com/gezhuangzhuang/p/10724769.html
# 原文：https://blog.csdn.net/qq_21840201/article/details/85084621

# 1. 读入原图和模板
img_rgb = cv2.imread('big.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('smart.jpg', 0)
h, w = template.shape[:2]

# 归一化平方差匹配
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8


# 返回res中值大于0.8的所有坐标
# 返回坐标格式(col,row) 注意：是先col后row 一般是(row,col)!!!
loc = np.where(res >= threshold)

# loc：标签/行号索引 常用作标签索引
# iloc：行号索引
# loc[::-1]：取从后向前（相反）的元素
# *号表示可选参数
for pt in zip(*loc[::-1]):
    right_bottom = (pt[0] + w, pt[1] + h)
    print(pt)
    cv2.rectangle(img_rgb, pt, right_bottom, (0, 0, 255), 2)

# 保存处理后的图片
cv2.imwrite('res.png', img_rgb)



# 显示图片 参数：（窗口标识字符串，imread读入的图像）
cv2.imshow("test_image", img_rgb)

# 窗口等待任意键盘按键输入 0为一直等待 其他数字为毫秒数
cv2.waitKey(0)

# 销毁窗口 退出程序
cv2.destroyAllWindows()

用到的图片：

big.jpg

smart.jpg