Opncv模板匹配 单模板匹配 多模板匹配

目录

问题引入

单模板匹配

①模板匹配函数:

②查找最值和极值的坐标和值:

整体流程原理介绍

实例代码介绍:

多模板匹配

①定义阈值

②zip函数

整体流程原理介绍

实例代码:


问题引入

下面有请我们的陶大郎登场

这张图片是我们的陶大郎 ,我们接下来将利用陶大郎来介绍我们的模板匹配

我们想要在原图中标记出陶大郎的耳朵,但是又不想手工标记,想要自动标记,这该怎么办呢?

这时候就要利用我们的新知识模板匹配

模板匹配:能够利用我们现有的图片模板,在原图上自动找到我们想要标记的位置

单模板匹配

首先 我们先截取陶大郎的耳朵来作为我们的模板

这个耳朵就是我们的模板图像,从原图上截取下来的

我们先介绍我们要使用的函数:

①模板匹配函数:

cv2.matchTemplate(image, templ, method )

  • image 为原始图像。
  • templ 为模板图像。它的尺寸必须小于或等于原始图像,并且与原始图像具有同样的类型。
  • method 为匹配方法。有6种可能的值

例子:

method 可填写对应数值,也可以直接写参数值

python 复制代码
res = cv2.matchTemplate(img, template, 3)
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF_NORMED)

②查找最值和极值的坐标和值:

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc( src )

minVal:最小值

maxVal:最大值

minLoc:最小值坐标

maxLoc:最大值坐标


整体流程原理介绍


实例代码介绍:

python 复制代码
import cv2
from matplotlib import pyplot as plt
img = cv2.imread("hui.jpg",0)
template = cv2.imread("fihui.jpg",0)
# 获取模板的高和宽
h,  w = template.shape[:2]

# 模板匹配
res = cv2.matchTemplate(img, template, 3)
# 定位
# min_val 最小值
# min_loc 最小值坐标
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

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

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

cv2.imshow("fondsite",fondsite)
cv2.waitKey()
cv2.destroyAllWindows()

这里咱们的top_left = max_loc选用的max_loc是因为我们的模板匹配使用的 序号3的,使用了归一化,那当然是越大越大,表示近似度越高!


我们运行看看效果

我们可以看到陶文辉的耳朵被圈起来了!


多模板匹配

多模板匹配咱们就用陶大郎的眼睛吧!

重点代码函数解释:

①定义阈值

python 复制代码
# 取匹配程度大于%97的坐标
# 定义的阈值 threshold
threshold = 0.97
# np.where返回的坐标值(x,y)是(h,w)
loc = np.where(res >= threshold)

我们添加了threshold来表示我们的相似度

通过np.where筛选出相似度大于97%的部分放入loc

重点!!!!!:此时loc里面存放的格式是**((x1,x2,...),(y1,y2,....)) 这样的格式**

②zip函数

python 复制代码
for top_left in zip(*loc[::-1]):
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(img, top_left, bottom_right, 255, 1)

这里唯一个点就是这个zip(*loc[::-1]) 是干嘛的?

他其实就是把我们的loc的格式从 ((x1,x2,...),(y1,y2,....)) 变成了((x1,y1),(x2,y2),(x3,y3),..)

然后依次把(x1,y1)放入top_left中进行遍历画出我们的框

整体流程原理介绍

实例代码:

python 复制代码
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("hui.jpg", 0)
template = cv2.imread("eye.jpg", 0)
# 获取模板的高和宽
h,  w = template.shape[:2]

# 模板匹配
res = cv2.matchTemplate(img, template, 3)
# 取匹配程度大于%97的坐标
# 定义的阈值 threshold
threshold = 0.97
# np.where返回的坐标值(x,y)是(h,w)
loc = np.where(res >= threshold)
for top_left in zip(*loc[::-1]):
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(img, top_left, bottom_right, 255, 1)
cv2.imshow('img', img)
cv2.waitKey()
cv2.destroyAllWindows()

运行我们会发现有很多个标记框

这是为什么?

其实这个是咱们图片的问题,我的这个图片比较模糊, 是当时截图截下来的,有很多噪音点,所以图片质量不太行,导致它觉得陶大郎的眼睛有很多个,但其实只有两个

相关推荐
应用市场几秒前
OpenCV进阶:图像变换、增强与特征检测实战
人工智能·opencv·计算机视觉
rannn_1115 分钟前
【学以致用|python自动化办公】OCR批量识别自动存为Excel(批量识别发票)
python·ocr·excel·财务
说私域8 分钟前
开源链动2+1模式、AI智能名片与S2B2C商城小程序:社群经济的数字化重构路径
人工智能·小程序·开源
lingchen19069 分钟前
卷积神经网络中的卷积运算原理
深度学习·计算机视觉·cnn
rengang6612 分钟前
智能化的重构建议:大模型分析代码结构,提出可读性和性能优化建议
人工智能·性能优化·重构·ai编程
灵遁者书籍作品20 分钟前
语言的拓扑学约束公理:语言对实在的描述具有拓扑不变量——某些真理必须通过悖论、沉默或隐喻表达
人工智能·计算机视觉
一尘之中21 分钟前
觉醒的拓扑学:在量子纠缠与神经幻象中重构现实认知
人工智能·重构
金宗汉22 分钟前
《宇宙递归拓扑学:基于自指性与拓扑流形的无限逼近模型》
大数据·人工智能·笔记·算法·观察者模式
AI视觉网奇34 分钟前
pycharm 默认终端设置 cmd
ide·python·pycharm
言之。38 分钟前
LiteLLM:让LLM调用变得简单统一
后端·python·flask