模板匹配方法

模板匹配

类似于卷积,模板在原图像上从原点进行滑动,计算模板与原图像被覆盖的地方的差别程度,共用6种计算方法,将每次计算的结果放到一个矩阵里,作为结果输出。

假如原图像大小为AxB,模板为axb,则输出结果的矩阵大小为(A-a+1,B-b+1)

方法:

cv2.TM_SQDIFF:计算平方不同,结果越小越相关。

cv2.TM_CCORR:计算相关性,结果越大越相关。

cv2.TM_CCOEFF:计算相关系数,结果越大越相关。

cv2.TM_SQDIFF_NORMED:计算归一化平方不同,结果越接近0越相关。

cv2.TM_CCORR_NORMED:计算归一化相关性,结果越接近1越相关。

cv2.TM_CCOEFF_NORMED:计算归一化相关系数,结果越接近1越相关。

读图像与模板并计算模板长于宽

python 复制代码
deppb = cv2.imread('deppb.jpg', 0)
deppl = cv2.imread('deppl.png', 0)
h, w = deppl.shape[: 2]

输出图像与模板的大小

python 复制代码
print(deppb.shape)
print(deppl.shape)

六种方法

python 复制代码
methods = {'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'}
python 复制代码
for meth in methods:
    deppb2 = deppb.copy()
    # 匹配方法的真值
    method = eval(meth)
    print(method)
    res = cv2.matchTemplate(deppb, deppl, method)  # 模板匹配
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果方法为平方差匹配cv2.TM_SQDIFF或归一化匹配cv2.TM_SQDIFF_NORMED则取最小值
    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(deppb2, top_left, bottom_right, 255, 2)

    plt.subplot(121), plt.imshow(res, cmap='gray')
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
    plt.subplot(122), plt.imshow(deppb2, cmap='gray')
    plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)  # 表头
    plt.show()

结果




可以看出如果方法为平方差匹配cv2.TM_SQDIFF或归一化匹配cv2.TM_SQDIFF_NORMED则取最小值,最相关的位置最黑。

cv2.TM_CCORR方法较不理想。

匹配多个对象

在图mary中找到砖块maryl

maryl

python 复制代码
img_rgb = cv2.imread('mary.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('maryl.jpg', 0)
h, w = template.shape[:2]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
yuzhi = 0.78
# 取匹配度大于78%的坐标
loc = np.where(res >= yuzhi)
for pt in zip(*loc[::-1]):
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (150, 255, 10), 2)

cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)

结果

相关推荐
2401_836900333 分钟前
YOLOv5:目标检测的实用派王者
人工智能·计算机视觉·目标跟踪·yolov5
hello kitty w13 分钟前
Python学习(11) ----- Python的泛型
windows·python·学习
没有梦想的咸鱼185-1037-166319 分钟前
AI Agent结合机器学习与深度学习在全球气候变化驱动因素预测中的应用
人工智能·python·深度学习·机器学习·chatgpt·数据分析
周杰伦_Jay24 分钟前
【MCP开发部署流程表格分析】MCP架构解析、开发流程、部署方案、安全性分析
人工智能·深度学习·opencv·机器学习·架构·transformer
sali-tec1 小时前
C# 基于halcon的视觉工作流-章49-网面破损
开发语言·图像处理·算法·计算机视觉·c#
测试19982 小时前
Selenium自动化测试+OCR-获取图片页面小说详解
自动化测试·软件测试·python·selenium·测试工具·ocr·测试用例
闲人编程2 小时前
使用MLflow跟踪和管理你的机器学习实验
开发语言·人工智能·python·机器学习·ml·codecapsule
panplan.top2 小时前
Tornado + Motor 微服务架构(Docker + 测试 + Kubernetes)
linux·python·docker·微服务·k8s·tornado
看兵马俑的程序员2 小时前
RAG实现-本地PDF内容加载和切片
开发语言·python·pdf
TTGGGFF3 小时前
机器视觉:智能车大赛视觉组技术文档——用 YOLO3 Nano 实现目标检测并部署到 OpenART
人工智能·目标检测·计算机视觉