标签：匹配 img Python cv2 OpenCV png 图像 模板
原文引用：https://www.jb51.net/article/243515.htm
目录
1.什么是模板匹配及模板匹配方法matchTemplate()
介绍
提供一个模板图像，一个目标图像，且满足模板图像是目标图像的一部分，从目标图像中寻找特定的模板图像的过程，即为模板匹配。OpenCV提供了matchTemplate()方法帮助我们实现模板匹配。
该方法语法如下：
cv2.matchTemplate(image, templ, method, result=None, mask=None)
其中
image 即目标图像
templ 即模板图像
method 是匹配的方式
mask 即掩模，可选。只有当method为cv2.TM_SQDIFF或cv2.TM_CCORR_NORMED时才支持此参数。
method参数可以是以下值：
| 参数值 | 描述 |
|---|---|
| cv2.TM_SQDIFF | 差值平方和匹配，也称平方差匹配。可以理解为是基于差异程度的匹配，差异程度越小，匹配程度越高。完全匹配时值差值平方和为0。 |
| cv2.TM_SQDIFF_NORMED | 相关匹配。 可以理解为是基于相似程度的匹配，相似程度越高，计算结果越大，匹配程度就越高。 |
| cv2.TM_CCORR | 标准相关匹配。 规则同上。 |
| cv2.TM_CCORR_NORMED | 相关系数匹配 |
| cv2.TM_CCOEFF | 相关系数匹配。也是基于相似程度的匹配，计算结果是一个-1到1的浮点数，1表示完全匹配，0表示毫无关系，-1表示两张图片亮度刚好相反。 |
| cv2.TM_CCOEFF_NORMED | 标准相关系数匹配，规则同上。 |
使用matchTemplate()方法，模板会将图像中的每一块区域都覆盖一遍，并每次都使用所选的method方法进行计算，每次的计算结果最后以一个二维数组的形式返回给我们。
素材准备
为方便展示，特准备以下图片素材：
选择世界名画《三英战吕布》（test.png）,图像shape为(738, 675, 3)：
从中抠出一部分图像元素作为下边要用的模板素材。取材代码如下（ 不建议截图，截图抠出来的不一定能保证尺寸）：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 |
import cv2
img = cv2.imread("test.png")
print(img.shape)
# 电灯
img1 = img[20:220, 320:480, :]
# 虎牢关牌匾
img2 = img[75:150, 200:310, :]
# 青龙刀
img3 = img[170:530, 575:650, :]
# 关云长
img4 = img[270:670, 160:330, :]
cv2.imshow("img0", img)
cv2.imshow("img1", img1)
cv2.imshow("img2", img2)
cv2.imshow("img3", img3)
cv2.imshow("img4", img4)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('template_pic1.jpg', img1)
cv2.imwrite('template_pic2.jpg', img2)
cv2.imwrite('template_pic3.jpg', img3)
cv2.imwrite('template_pic4.jpg', img4)
|
取出的模板素材如下：
电灯
虎牢关牌匾
青龙刀
关云长
2.单模板匹配
单模板匹配，即在匹配时中只使用到一个模板的匹配过程。具体又可以分为单目标匹配和多目标匹配。
2.1 单目标匹配
单目标匹配，即模板在目标图像中只匹配 匹配程度最高的一个匹配结果。
这需要找出这一次匹配结果所在位置的坐标来确定其位置，
OpenCV提供了cv2.minMAXLoc()来实现。
该方法参数为matchTemplate()的返回值，会返回一个元组，元组中有四个值，分别是最小值、最大值、最小值时图像左上角顶点坐标，最大值时图像左上角顶点坐标。
接下来，使用 电灯(template_pic1) 图片来匹配原图，并用红色的矩形在原图像中圈出模板图像，使用标准差值平方和的匹配方式，代码如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
import cv2
img = cv2.imread("test.png")
templ = cv2.imread("template_pic1.jpg")
height, width, c = templ.shape
results = cv2.matchTemplate(img, templ, cv2.TM_SQDIFF_NORMED)
# 获取匹配结果中的最小值、最大值、最小值坐标和最大值坐标
minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(results)
resultPoint1 = minLoc
resultPoint2 = (resultPoint1[0] + width, resultPoint1[1] + height)
cv2.rectangle(img, resultPoint1, resultPoint2, (0, 0, 255), 2)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
|
如图所示，成功标出了模板图。
如果要从多幅图像中，找出与模板最匹配的结果，
以标准差值平方和的匹配方式为例，
则可以对这些图像进行遍历，并比较每幅图像对应结果中的最小值，找出最小值中的最小值，则为最佳匹配项。
以两幅图像为例，将原图翻转一次，生成一张新的图像（翻转后结果与原图较像，但差异巨大）
翻转产生素材（test1.png）
| 1 2 3 4 5 6 7 |
import cv2
img = cv2.imread("test.png")
dst1 = cv2.flip(img, 1)
cv2.imshow("dst1", dst1)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('test1.png', dst1)
|
然后使用模板 关云长 (template_pic4.jpg)对两幅图像进行匹配，输出最佳匹配结果，并画红框展示：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 |
import cv2
image = []
image.append(cv2.imread("test.png"))
image.append(cv2.imread("test1.png"))
templ = cv2.imread("template_pic4.jpg")
height, width, c = templ.shape
# 循环变量初始化
# 这里只是随便设定一个值，该值并无意义，只是为了定义该变量
# 使用TM_SQDIFF_NORMED计算方法，计算出的结果通常是小于1的，所以minValue可以设置为1。如果是TM_SQDIFF计算方法，则就不行了，计算出来的值会很大。代码就不再有效，需要把minMax设得更大，或者做其他修改。
index = -1
minValue = 1
minLoc1 = (0, 0)
# 遍历每幅图像
for i in range(0, len(image)):
results = cv2.matchTemplate(image[i], templ, cv2.TM_SQDIFF_NORMED)
min = cv2.minMaxLoc(results)[0]
if min < minValue:
minValue = min
minLoc1 = cv2.minMaxLoc(results)[2]
index = i
minLoc2 = (minLoc1[0] + width, minLoc1[1] + height)
cv2.rectangle(image[index], minLoc1, minLoc2, (0, 0, 255), 2)
cv2.imshow("result", image[index])
cv2.waitKey()
cv2.destroyAllWindows()
|
如图，test.png中的关云长与模板更为匹配。
2.2 多目标匹配
多目标匹配，即在目标图像中匹配出所有与模板图像匹配的结果。可以使用相关匹配或相关系数匹配。
素材准备
还以原图像"test.png"为参照，
为了产生方便我们做示例的图像，我们在该图像的基础上多加一盏电灯，生成"test2.png"
| 1 2 3 4 5 6 7 8 |
import cv2
img = cv2.imread("test.png")
templ = cv2.imread("template_pic1.jpg")
img[20:220, 30:190, :] = templ
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('test2.png', img)
|
多目标匹配
多目标匹配即对matchTemplate()匹配的总的结果，的计算情况数据，使用for循环遍历，并设定一个判断标准。
如使用标准相关系数（cv2.TM_CCOEFF_NORMED）的方法判断，如：如果计算值大于0.99，则我们认为匹配成功了。
使用电灯模板"template_pic1.jpg"，匹配图像test2.png。并对匹配的结果用红色的矩形框标记。
代码示例如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 |
import cv2
img = cv2.imread("test2.png")
templ = cv2.imread("template_pic1.jpg")
height, width, c = templ.shape
# 按照标准相关系数匹配
results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED)
for y in range(len(results)):
for x in range(len(results[y])):
if results[y][x] > 0.99:
cv2.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
|
程序执行结果如下，成功匹配出了两盏灯。
3.多模板匹配
多模板匹配，即进行了n次单模板的匹配过程。
直接上示例：
在test.png中匹配电灯、青龙刀、虎牢关牌匾、关云长四个图像模板：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
import cv2
def myMatchTemplate(img, templ):
height, width, c = templ.shape
results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED)
loc = list()
for i in range(len(results)):
for j in range(len(results[i])):
if results[i][j] > 0.99:
loc.append((j, i, j + width, i + height))
return loc
# 读取原始图像
img = cv2.imread("test.png")
# 模板列表
templs = list()
templs.append(cv2.imread("template_pic1.jpg"))
templs.append(cv2.imread("template_pic2.jpg"))
templs.append(cv2.imread("template_pic3.jpg"))
templs.append(cv2.imread("template_pic4.jpg"))
loc = list()
for t in templs:
loc += myMatchTemplate(img, t)
# 遍历所有红框的坐标
for i in loc:
cv2.rectangle(img, (i[0], i[1]), (i[2], i[3]), (0, 0, 255), 2)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
|
匹配效果如下：
以上就是Python OpenCV实现图像模板匹配详解的详细内容，更多关于Python OpenCV图像模板匹配的资料请关注脚本之家其它相关文章！
您可能感兴趣的文章:- 关于python3 opencv 图像二值化的问题(cv2.adaptiveThreshold函数)
- Python+OpenCV实现在图像上绘制矩形
- Python OpenCV图像处理之图像滤波特效详解
- 基于Python OpenCV实现图像的覆盖
- Python OpenCV机器学习之图像识别详解
- Python Opencv基于透视变换的图像矫正
- Python OpenCV一个窗口中显示多幅图像
- python OpenCV 图像通道数判断
标签：匹配,img,Python,cv2,OpenCV,png,图像,模板 来源： https://www.cnblogs.com/bruce1992/p/16513216.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。