一、學(xué)習(xí)目標(biāo)

了解圖片內(nèi)容定位方法matchTemplate使用

了解minMaxLoc方法使用

上一篇《[python opencv 計算機視覺零基礎(chǔ)到實戰(zhàn)] 十、圖片效果毛玻璃》
如有錯誤歡迎指出~

二、了解從一張圖片中找到指定內(nèi)容的方法

2.1 使用matchTemplate函數(shù)對圖片中的指定內(nèi)容進行查找

有小伙伴可能用過一些輔助軟件，幫助我們從一些游戲中找到固定像素，并且去對該像素位置進行點擊，隨后解放雙手。今天這一節(jié)所講解的就是與這個功能相關(guān)的內(nèi)容，對圖像中的指定圖形元素進行查找，并且選中該元素。

我們所使用的方法是matchTemplate。matchTemplate主要是一種匹配方法，通過判斷物體在一張圖片中的什么位置，從而進行定位，如下圖所示：
matchTemplate將會在對像素點進行匹配，匹配相似度越大，則確定該位置為目標(biāo)。這個方法有一定局限性，在原圖中若目標(biāo)圖片發(fā)生了旋轉(zhuǎn)等變化，那么將會查找失敗。

matchTemplate有幾種匹配算法，分別是TM_SQDIFF平方差匹配、TM_CCORR相關(guān)性匹配以及TM_CCOEFF相關(guān)性系數(shù)匹配。TM_SQDIFF平方差匹配是平方差匹配，最佳匹配值為0，若不佳則匹配值會越大；TM_CCORR是由原圖和目標(biāo)圖像做乘法,值越高匹配越佳,反之越差，0為最差；TM_CCOEFF是將模版對其均值相對值與圖像對其均值相關(guān)值進行匹配，最佳匹配為1，0表示完全匹配不到，-1則表示有匹配，但是精確度不高。以上內(nèi)容了解即可，對于初學(xué)者來說就知道就行，不理解也不妨礙我們現(xiàn)階段使用該API進行開發(fā)。
matchTemplate函數(shù)原型為:

matchTemplate(img, tpl, method[, result[, mask]])

matchTemplate中參數(shù)img為目標(biāo)圖像，tpl為原圖，method是所使用的匹配算法，result是匹配結(jié)果圖像。
我們首先引入所需庫：

import cv2 import numpy as nptarget = cv2.imread(r'C:\Users\mx\Desktop\1.jpg') tpl = cv2.imread(r'C:\Users\mx\Desktop\1target.png')

以上代碼中引入了目標(biāo)圖片target與原圖tpl。隨后我們使用TM_SQDIFF_NORMED匹配方法對圖像進行匹配。
接下來獲取目標(biāo)圖片的寬高：

th, tw = tpl.shape[:2]

目標(biāo)圖片如下：

隨后傳入?yún)?shù)至matchTemplate方法中：

result = cv2.matchTemplate(target, tpl, cv2.TM_SQDIFF_NORMED)

接下來我們需要使用一個方法minMaxLoc。minMaxLoc方法是在一個矩陣中尋找最大值和最小值，并且得到最大值最小值的索引。若有一個矩陣為[[1,2,3,4],[5,11,7,8]]，名為a，傳入到 方法后，代碼如下：

min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(a) print(min_val,max_val,min_loc,max_loc)

最終結(jié)果將是：

1.0 11.0 (0, 0) (1, 1)

我們接下來使用minMaxLoc獲取matchTemplate算出來的計算結(jié)果，由于我們使用的方法是TM_SQDIFF_NORMED，那么將獲取最低值進行目標(biāo)獲取。代碼如下：

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) tl = min_loc

接下來我們使用rectangle對所需要的部分進行繪圖。rectangle接收五個參數(shù)，分別是image圖片、start_point起始坐標(biāo)、end_point結(jié)束坐標(biāo)、color顏色、thickness線條粗細(xì)。我們就常規(guī)使用前4個參數(shù)就ok了。
接下來我們使用最小的坐標(biāo)加上目標(biāo)圖片的寬高就可以知道繪制區(qū)域了：

br = (tl[0] + tw, tl[1] + th)

最終完整的代碼如下：

import cv2 import numpy as nptarget = cv2.imread(r'C:\Users\mx\Desktop\1.jpg') tpl = cv2.imread(r'C:\Users\mx\Desktop\1target.png') th, tw = tpl.shape[:2]result = cv2.matchTemplate(target, tpl, cv2.TM_SQDIFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) tl = min_loc br = (tl[0] + tw, tl[1] + th) cv2.rectangle(target, tl, br, [0, 255, 0]) cv2.imshow("target", target)cv2.waitKey(0) cv2.destroyAllWindows()

結(jié)果如下：

2.2 深入了解matchTemplate函數(shù)

matchTemplate函數(shù)的查找方式我們可以通過matchTemplate函數(shù)所返回的結(jié)果進行查看，修改代碼如下：

import cv2 import numpy as nptarget = cv2.imread(r'C:\Users\mx\Desktop\1.jpg') tpl = cv2.imread(r'C:\Users\mx\Desktop\1target.png') methods = [cv2.TM_SQDIFF_NORMED, cv2.TM_CCORR_NORMED, cv2.TM_CCOEFF_NORMED] th, tw = tpl.shape[:2]result = cv2.matchTemplate(target, tpl, cv2.TM_SQDIFF_NORMED)cv2.imshow("result", result)cv2.waitKey(0) cv2.destroyAllWindows()

我們以上代碼直接顯示了result結(jié)果，由于為了演示效果，最理想狀態(tài)是扣選出來的圖片，所以我使用了原圖進行目標(biāo)圖像的選取。

tpl=target[200:400,280:450]

并且使用了methods列表存儲了匹配方法TM_SQDIFF_NORMED、TM_CCORR_NORMED、TM_CCOEFF_NORMED。之后使用了遍歷依次使用這些方法對目標(biāo)圖片進行匹配。但是由于不同的方法高地值表示不懂的匹配效果，在此使用了if語句判斷不同的方法取不同的高低值：

if md == cv2.TM_SQDIFF_NORMED:tl = min_locelse:tl = max_loc

修改了目標(biāo)圖，為了有更好的對比，目標(biāo)圖如下：

結(jié)果如下：

以上我展示了一種方法的結(jié)果圖，其它方法由于我選擇的目標(biāo)圖有太多相似的區(qū)域，所以這張圖是一種較為理想的想過。可以看到在黃色箭頭選擇的區(qū)域有明顯的高亮位置，該位置則是我們進行目標(biāo)匹配后的結(jié)果位置。其實在進行匹配時，這個過程就類似于是卷積。
該系列文章首發(fā)于ebaina

三、總結(jié)

目標(biāo)匹配方法matchTemplate的使用方法

了解了matchTemplate方法有3中匹配方式，依次是TM_SQDIFF_NORMED、TM_CCORR_NORMED、TM_CCOEFF_NORMED

了解了不同匹配方法之間高低值有不同的依據(jù)結(jié)果

總結(jié)

以上是生活随笔為你收集整理的[python opencv 计算机视觉零基础到实战] 十一找到图片中指定内容的全部內(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。