OpenCV與圖像處理學(xué)習(xí)十六——模板匹配

• 一、模板匹配介紹
• 二、代碼應(yīng)用

一、模板匹配介紹

模板匹配是一種最原始、最基本的模式識別方法，研究某一特定目標(biāo)的圖像位于圖像的什么地方，進而對圖像進行定位。

在待檢測的圖像上，從左到右，從上到下計算模板圖像與重疊子圖像的匹配度，匹配程度越大，兩者相同的可能性越大。

二、代碼應(yīng)用

OpenCV中的函數(shù)：

result = cv2.matchTemplate( image, templ, method[, result[, mask]] )

參數(shù)如下所示：

image：待搜索的原圖，必須是灰度圖或4通道圖。

templ：模板圖像，必須不大于原圖像并具有相同的數(shù)據(jù)類型。

method：表示計算匹配程度的方法。
TM_SQDIFF_NORMED是標(biāo)準(zhǔn)平方差匹配，通過計算兩圖之間平方差來進行匹配，最好匹配為0，匹配越差，匹配值越大。
TM_CCORR_NORMED是標(biāo)準(zhǔn)相關(guān)性匹配，采用模板和圖像間的乘法操作，數(shù)越大表示匹配程度越高，0表示最壞的匹配效果，這種方法除了亮度線性變化對相似度計算的影響。
TM_CCOEFF_NORMED是標(biāo)準(zhǔn)相關(guān)性系數(shù)匹配，兩圖減去各自的平均值之外，還要各自除以各自的方差。將模板對其均值的相對值與圖像對其均值的相關(guān)值進行匹配，1表示完美匹配，-1表示糟糕的匹配，0表示沒有任何相關(guān)性（隨機序列）。

獲取相關(guān)性最大最小值及其位置的函數(shù)：

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc( src[, mask] )

參數(shù)如下所示：

即返回最大值及其位置、最小值及其位置。

看個例子：

# 模板匹配 import cv2 import numpy as npdef template_demo(tpl, target):methods = [cv2.TM_SQDIFF_NORMED, cv2.TM_CCORR_NORMED, cv2.TM_CCOEFF_NORMED] # 3種模板匹配方法th, tw = tpl.shape[:2]for md in methods:# print(md)result = cv2.matchTemplate(target, tpl, md)# print(result.shape)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)print(min_val, max_val, min_loc, max_loc)# 找匹配效果最好的位置，TM_SQDIFF_NORMED方法值越小越好，另外兩種越大越好if md == cv2.TM_SQDIFF_NORMED:tl = min_locelse:tl = max_locbr = (tl[0] + tw, tl[1] + th) # br是矩形右下角的點的坐標(biāo)cv2.rectangle(target, tl, br, (0, 0, 255), 2)cv2.namedWindow("match-" + np.str(md), cv2.WINDOW_NORMAL)cv2.imshow("match-" + np.str(md), target)tpl = cv2.imread("image/sample2.jpg") print(tpl.shape) target = cv2.imread("image/target1.jpg") print(target.shape) cv2.waitKey(0) cv2.destroyAllWindows()cv2.namedWindow('template image', cv2.WINDOW_NORMAL) cv2.imshow("template image", tpl) cv2.namedWindow('target image', cv2.WINDOW_NORMAL) cv2.imshow("target image", target) template_demo(tpl, target) cv2.waitKey(0) cv2.destroyAllWindows()

模板和待匹配的圖如下所示：

三種匹配方法的效果如下所示：

cv2.TM_SQDIFF_NORMED：

cv2.TM_CCORR_NORMED：

cv2.TM_CCOEFF_NORMED：

都是可以很好的匹配上，但是這里是匹配度很高時的一個例子，如果模板的匹配度沒那么高，這種方法的效果就會打折扣。

總結(jié)

以上是生活随笔為你收集整理的OpenCV与图像处理学习十六——模板匹配的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。