模板匹配應用的場景非常多，OCR(字符識別)，目標檢測、定位等等。OpenCV中，你可以使用cv2.matchTemplate()來完成。對于其中的計算原理，可參考如下博客：

cv2.matchTemplate(img, templ, method)

tmepl：模板圖像

method:官方提供了三種方法cv2.TM_CCOEFF_NORMED, cv2.TM_CCORR_NORMED, cv2.TM_SQDIFF_NORMED，其中第三種方法值越小，表示匹配概率越大，其余的為值越大匹配概率越大，這里列出的三種是會進行歸一化，這方便你設定閾值來進行卡控；

注意：該函數返回的是由匹配程度填充的灰度圖像

官方文檔：https://docs.opencv.org/3.0-beta/modules/imgproc/doc/object_detection.html?highlight=cv2.matchtemplate#void%20matchTemplate(InputArray%20image,%20InputArray%20templ,%20OutputArray%20result,%20int%20method)

選取模板

利用上述函數對圖像進行模板匹配：

鋼管模板匹配

import cv2

import numpy as np

# 剔除數據集中相鄰太近的點，模板匹配設定的閾值會在目標附近產生大量的重復結果

# 需要設計方法進行剔除

def split_min_dist_dots(dot, dot_set, min_dist = 20):

if dot_set:

append_flag = True

for dt in dot_set:

dist = abs(dot[0] - dt[0]) + abs(dot[1] - dt[1])

if dist < min_dist:

append_flag = False

if append_flag:

dot_set.append(dot)

else:

dot_set.append(dot)

return dot_set

img = cv2.imread('steels.png', -1)

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gaussian_img = cv2.GaussianBlur(gray_img,(3, 3),0)

template_img = cv2.imread('steel_temp.png', 0)

height, width = template_img.shape[:2]

res = cv2.matchTemplate(gaussian_img, template_img, cv2.TM_CCOEFF_NORMED)

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

threshold_template = 0.6

locs = np.where(res >= threshold_template)

# 最終的匹配結果

dots_set = []

# zip(*)操作，參考https://www.cnblogs.com/quietwalk/p/7997705.html

# locs[::-1]則是將序列順序顛倒，由于[row, col]對繪制矩形需要區分

for loc in (zip(*locs[::-1])):

dots_set = split_min_dist_dots(loc, dots_set)

for dot in dots_set:

cv2.rectangle(img, dot, (dot[0] + width, dot[1] + height), (255, 25, 25), 1)

cv2.putText(img, 'pipe', dot, cv2.FONT_HERSHEY_SIMPLEX, 0.5, (25, 25, 255), 2)

cv2.putText(img, 'Pipe Count:%s'%len(dots_set), (0, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 25, 255), 2)

cv2.imshow('template_steel', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

這是一個關于模板匹配很簡單的示例，如果你想利用這種方法應用到你的項目，需要關注以下幾點：

增加模板庫，單單一張模板圖往往在應用中捉襟見肘；

模板匹配在目標附近會產生大量高于設定閾值的結果，你需要設計更好的剔除鄰近干擾方案；

對不同亮度、角度進行適配和測試

當然，你完全也可以采用深度學習中的目標檢測方案，后面會涉及到，加個關注🙏🤭

對于opencv-python的模板匹配部分有問題歡迎留言， Have Fun With OpenCV-Python, 下期見。

總結

以上是生活随笔為你收集整理的python cv2 matchtemplate_OpenCV-Python系列十：模板匹配的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。