在图像处理领域,模板匹配是一种常用的技术,用于在一幅大图中寻找与给定模板最匹配的区域。OpenCV作为一个强大的计算机视觉库,提供了cv2.matchTemplate()
函数来实现模板匹配功能。本文将详细介绍OpenCV中的模板匹配技术,包括其原理、使用方法以及实际应用场景。
目录
模板匹配原理
模板匹配的基本思想是将模板图像在目标图像上滑动,并计算每个位置的相似度。通过比较模板图像与目标图像对应区域的相似度,找到相似度最高的位置即为匹配位置。模板匹配的计算方法有多种,OpenCV中提供了六种不同的匹配方法。
匹配方法
- TM_SQDIFF:计算平方差,值越小表示越相关。
- TM_SQDIFF_NORMED:归一化平方差匹配,值越接近0表示越相关。
- TM_CCORR:计算相关性,值越大表示越相关。
- TM_CCORR_NORMED:归一化相关性匹配,值越接近1表示越相关。
- TM_CCOEFF:计算相关系数,值越大表示越相关。
- TM _CCOEFF_NORMED:归一化相关系数匹配,值越接近1表示越相关。
使用方法
加载图像
首先,需要加载目标图像和模板图像。使用cv2.imread()
函数读取图像文件。
python
import cv2
# 加载目标图像和模板图像
target_img = cv2.imread('target.jpg')
template_img = cv2.imread('template.jpg')
模板匹配
然后,使用cv2.matchTemplate()
函数进行模板匹配。该函数会返回一个匹配结果矩阵,矩阵中的每个元素表示模板图像在目标图像上对应位置的匹配程度。
python
# 使用平方差匹配算法
result = cv2.matchTemplate(target_img, template_img, cv2.TM_SQDIFF)
查找匹配位置
通过cv2.minMaxLoc()
函数在匹配结果矩阵中找到最小值(对于平方差匹配)或最大值(对于其他匹配方法)的位置,即为匹配位置。
python
# 查找最小值及其位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
# 对于平方差匹配,取最小值位置
top_left = min_loc
# 计算匹配区域的右下角坐标
bottom_right = (top_left[0] + template_img.shape[1], top_left[1] + template_img.shape[0])
绘制匹配结果
最后,在目标图像上绘制矩形框来表示匹配位置。
python
# 绘制矩形框
cv2.rectangle(target_img, top_left, bottom_right, (0, 255, 0), 2)
# 显示结果图像
cv2.imshow('Result', target_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
实例:
python
import cv2
import numpy as np
img_rgb = cv2.imread('example.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
tem = cv2.imread('jiant.jpg', 0)
for i in [0, 1, 2, 3]:#通过循环,使用 np.rot90(tem, i) 对模板图像进行旋转,其中 i 的值从0到3变
#化,分别对应0度、90度、180度、270度的旋转。
template = np.rot90(tem, i)
h, w = template.shape[:2]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
#对每次旋转后的模板图像,使用 cv2.matchTemplate() 函数在 img_gray(灰度目标图像)上进行模板匹
#配。这里使用的是 cv2.TM_CCOEFF_NORMED 方法,它计算归一化相关系数,值越接近1表示匹配度越高。
threshold = 0.9#通过设置阈值 threshold = 0.9,筛选出匹配度大于或等于该阈值的所有位置。
loc = np.where(res >= threshold)
#使用 np.where(res >= threshold) 找到这些位置,并使用 zip(*loc[::-1]) 转换坐标格式,因为 loc 返#回的是 (y, x) 坐标,而 OpenCV 中的图像坐标是 (x, y)。
for pt in zip(*loc[::-1]):
cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 1)
#使用 cv2.imshow('res', img_rgb) 显示标记了匹配区域的图像。
cv2.imshow('res', img_rgb)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果: