OpenCV自学笔记十八:模板匹配

模板匹配是一种在图像中寻找指定模式的方法。OpenCV库提供了用于模板匹配的函数,可以帮助我们在图像中定位和识别特定的模式。下面是模板匹配的基础原理和一个示例:

模板匹配通过在待匹配图像上滑动一个固定大小的模板图像,并计算模板与图像之间的相似度来寻找匹配位置。相似度通常使用相关性或差异度量来衡量。在滑动过程中,当相似度达到最大值或阈值时,认为找到了一个匹配。

下面是一个使用OpenCV进行模板匹配的示例代码:

复制代码
​
import cv2

import numpy as np

import matplotlib.pyplot as plt

# 读取主图像和模板图像

img = cv2.imread('main_image.jpg', 0)

template = cv2.imread('template_image.jpg', 0)

# 进行模板匹配

result = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)

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

# 获取匹配位置

top_left = max_loc

bottom_right = (top_left[0] + template.shape[1], top_left[1] + template.shape[0])

# 在主图像上绘制矩形框

cv2.rectangle(img, top_left, bottom_right, 255, 2)

# 显示结果

plt.subplot(131), plt.imshow(img, cmap='gray')

plt.title('Original Image'), plt.xticks([]), plt.yticks([])

plt.subplot(132), plt.imshow(template, cmap='gray')

plt.title('Template Image'), plt.xticks([]), plt.yticks([])

plt.subplot(133), plt.imshow(result, cmap='gray')

plt.title('Matching Result'), plt.xticks([]), plt.yticks([])

plt.show()

​

在上述示例中,我们首先使用`cv2.imread()`函数读取主图像和模板图像,并将它们转换为灰度图像。

然后,使用`cv2.matchTemplate()`函数进行模板匹配。该函数接受三个参数:待匹配的主图像、模板图像和匹配方法。在本例中,我们使用了`cv2.TM_CCOEFF_NORMED`作为匹配方法。

接下来,使用`cv2.minMaxLoc()`函数获取匹配结果中的最大值位置。这对应于找到的最佳匹配位置。

然后,我们使用找到的匹配位置,在主图像上绘制矩形框。

最后,使用Matplotlib库的`plt.subplot()`和`plt.imshow()`函数显示原始图像、模板图像和匹配结果图像。

运行上述代码,你将看到显示了原始图像、模板图像和匹配结果的窗口。匹配结果中的矩形框表示找到的最佳匹配位置。

相关推荐
麻雀无能为力2 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心2 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列
IMPYLH3 小时前
Python 的内置函数 reversed
笔记·python
.30-06Springfield3 小时前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
说私域4 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的超级文化符号构建路径研究
人工智能·小程序·开源
永洪科技4 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
shangyingying_14 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎5 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
猫头虎5 小时前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
要努力啊啊啊6 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪