Python - opencv (四) - 模板匹配
模板匹配实现的思想也是很简单很暴力的，就是拿着模板图片在原图中从左上至右下依次滑动，直到遇到某个区域的相似度低于我们设定的阈值，那么我们就认为该区域与模板匹配了，也就是我们找到了姚明的位置，并把它标记出来。
opencv中提出6种模板匹配公式：
示例：
原图像：
匹配模板：
代码：
1 import cv2 2 import matplotlib.pyplot as plt 3 4 methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'] 5 6 7 if __name__ == '__main__': 8 img = cv2.imread('../pics/5.jpg') 9 template = cv2.imread('../pics/5-part.jpg') 10 (w,h) = (template.shape[1], template.shape[0]) 11 count = 1 12 13 for meths in methods: 14 img2 = img.copy() 15 method = eval(meths) 16 print(meths) 17 res = cv2.matchTemplate(img, template, method) 18 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) 19 20 if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]: 21 top_left = min_loc 22 else: 23 top_left = max_loc 24 bottom_right = (top_left[0] + w, top_left[1] + h) 25 26 cv2.rectangle(img2, top_left, bottom_right, 255, 2) 27 28 plt.subplot(6,2,count), plt.imshow(res, cmap='gray') 29 plt.xticks([]), plt.yticks([]) # hide coordinate 30 plt.subplot(6,2,count+1), plt.imshow(img2, cmap='gray') 31 plt.xticks([]), plt.yticks([]) 32 count += 2 33 34 plt.show()
效果：
（从上到下依次为：'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'）
可以看到效果基本可以找到，但当模板的尺寸发生变形时，cv的模板匹配就很难找到了。
