【openCV-python】模板匹配

• 常用于对象检测
• 匹配方法为：

1. 模板在原始图像中滑动
2. 使用归一化相关系数匹配的方法，将模板与图像的所有重叠部分进行比较
3. 最终得到结果在0-1的范围之间　

实践测试中，使用如下为输入图片，左图为测试图片，右图为目标图片：

                   

 　　　　　　　　　测试图片　　　　　　　　　　　　　　　　　目标图片

 

实践过程：

1. 使用归一化相关系数匹配方法，计算出原始图像和模板图像的归一化相关系数，得出的值越接近1，越相关
2. 使用函数找到结果中的最大值的位置
3. 根据模板图像的长宽，定位目标在原始图像中的位置
4. 计算出目标中心（也就是点击坐标）

 

归一化相关系数匹配算法：

 

 

 测试代码：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


def rescale_image(img,opt,times):
    if opt == "up":
        scale_up_x = int(times)
        scale_up_y = int(times)
        return  cv.resize(img, None, fx= scale_up_x, fy= scale_up_y, interpolation= cv.INTER_LINEAR)
    if opt == "down":
        scale_down = int(times)
        return  cv.resize(img, None, fx= scale_down, fy= scale_down, interpolation= cv.INTER_LINEAR)

if __name__ == '__main__':
    original = cv.imread('orb1.png')
    img = cv.imread('orb1.png', 0)
    template = cv.imread('orb2.png', 0)
    template = rescale_image(template, opt="up", times=5)

    h, w = template.shape[:2]

    point_size = 1
    point_color = (0, 0, 255)  # BGR
    thickness = 10

    # TM_CCOEFF_NORMED---归一化相关系数匹配；TM_CCOEFF---相关匹配；TM_SQDIFF_NORMED---归一化平方差匹配；
    # TM_SQDIFF---平方差匹配；TM_CCORR---相关匹配；TM_CCORR_NORMED---归一化相关匹配
    # method 的值为 cv2.TM_SQDIFF 和 cv2.TM_SQDIFF_NORMED 时，result 值为 0 表示匹配度最好，值越大，表示匹配度越差。
    # method 的值为 cv2.TM_CCORR、cv2.TM_CCORR_NORMED、cv2.TM_CCOEFF 和 cv2.TM_CCOEFF_NORMED 时，result 的值越小表示匹配度越差，值越大表示匹配度越好。
    methods = ['cv.TM_CCOEFF_NORMED', 'cv.TM_CCOEFF', 'cv.TM_SQDIFF_NORMED', 'cv.TM_SQDIFF',
            'cv.TM_CCORR', 'cv.TM_CCORR_NORMED']
    
    ret_img = cv.matchTemplate(img, template, cv.TM_CCOEFF_NORMED)
    # 函数cv2.minMaxLoc()来查找函数 cv2.matchTemplate()返回值中的最值位置，就可以找到最佳模板匹配的位置
    min_val, max_val, min_loc, max_loc = cv.minMaxLoc(ret_img)

    draw_img = original.copy()
    # cv2.rectangle(img, (x, y), (x+w, y+h), color, thickness)
    ret_img = cv.rectangle(draw_img, (max_loc[0], max_loc[1]), (max_loc[0]+w, max_loc[1]+h), point_color, thickness)
    ret_center = (int((2 * max_loc[0] + w) / 2), int((2 * max_loc[1] + h) / 2))
    cv.circle(draw_img, ret_center, point_size, point_color, thickness)


    cv.imshow('pattern match', ret_img)
    cv.waitKey(0)
    cv.destroyAllWindows()

 

 

其中

    ret_center = (int((2 * max_loc[0] + w) / 2), int((2 * max_loc[1] + h) / 2))
    cv.circle(draw_img, ret_center, point_size, point_color, thickness)

 

实践结果：得到中心点坐标（放大可见）

 

 

opencv-python中对于模板匹配的其他算法资料（代码27-32）:

• https://i.cnblogs.com/articles/edit;postId=17585210

实践参考博客：

• https://blog.csdn.net/Ggs5s_/article/details/130338347

可能会用到的参考博客：

• https://blog.csdn.net/weixin_44259720/article/details/127251331
• https://www.cnblogs.com/my-love-is-python/p/10403203.html
• https://blog.51cto.com/u_12227/6612862
• https://blog.csdn.net/qq_45832961/category_11556929.html?spm=1001.2014.3001.5482

openCV-python画图参考：

• https://www.yii666.com/blog/441056.html