python opencv -模板匹配

模板匹配就是，我们现有一个模板和一个图片，然后，在这个图片中寻找和模板近似的部分。

在opencv 中主要通过cv2.matchTemplate这个函数去实现。

下面我们先看一下，模板图片和需要匹配的图片：

模板：

需要匹配的图片：

下面来看代码：

python 复制代码

import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import os

path=r'D:\learn\photo\cv\lena.jpg'
path2=r'D:\learn\photo\cv\face.jpg'

img=cv2.imread(path,1)

img_gray=cv2.imread(path,0)


img_template=cv2.imread(path2,1)

img_gray_template=cv2.imread(path2,0)

def cv_show(name,img):
    cv2.imshow(name,img)
    #cv2.waitKey(0),接收0，表示窗口暂停
    cv2.waitKey(0)
    #销毁所有窗口
    cv2.destroyAllWindows()
    
print(img.shape)
print(img_template.shape)
h, w = img_template.shape[:2]
"""
- TM_SQDIFF：计算平方不同，计算出来的值越小，越相关       
- TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关 
- TM_CCORR：计算相关性，计算出来的值越大，越相关
- TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
- TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
- TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关
链接：https://docs.opencv.org/3.3.1/df/dfb/group__imgproc__object.html#ga3a7850640f1fe1f58fe91a2d7583695d
"""

methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

res = cv2.matchTemplate(img, img_template, cv2.TM_SQDIFF)
print(res.shape)
# exit()

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

for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    print(method)
    res = cv2.matchTemplate(img, img_template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc

    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)

    plt.subplot(121), plt.imshow(res,'gray')
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
    plt.subplot(122), plt.imshow(img2[:,:,::-1])
    plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    plt.show()

运行结果如下：