14篇--模板匹配

原理

模板匹配就是用模板图(通常是一个小图)在目标图像(通常是一个比模板图大的图片)中不断的滑动比较,通过某种比较方法来判断是否匹配成功。

匹配方法

1. 平方差匹配TM_SQDIFF

以模板图与目标图所对应的像素值使用平方差公式来计算,其结果越小,代表匹配程度越高,计算过程举例如下。

注意:模板匹配过程皆不需要边缘填充,直接从目标图像的左上角开始计算。

2. 归一化平方差匹配TM_SQDIFF_NORMED

与平方差匹配类似,只不过需要将值统一到0到1,计算结果越小,代表匹配程度越高,计算过程举例如下。

3.相关匹配TM_CCORR

使用对应像素的乘积进行匹配,乘积的结果越大其匹配程度越高,计算过程举例如下。

4. 归一化相关匹配TM_CCORR_NORMED

与相关匹配类似,只不过是将其值统一到0到1之间,值越大,代表匹配程度越高,计算过程如下。

5. 相关系数匹配TM_CCOEFF

需要先计算模板与目标图像的均值,然后通过每个像素与均值之间的差的乘积再求和来表示其匹配程度,1表示完美的匹配,-1表示最差的匹配,计算过程举例如下。

6. 归一化相关系数匹配TM_CCOEFF_NORMED

也是将相关系数匹配的结果统一到0到1之间,值越接近1代表匹配程度越高,计算过程举例如下。

绘制轮廓

找到符合要求的区域后,需要使用绘制轮廓组件将其在目标图像中绘制出来,通过记录下来的符合要求的区域位置与模板的宽和高,就能在目标图像中将模板框选出来。

示例代码

python 复制代码
import cv2
import numpy as np

# 1、读取原图 + 灰度化
img = cv2.imread("./ctrl.png")
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 2、读取模板图 + 灰度化
template = cv2.imread("./basketball.jpg")
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 读取模板图的宽高
h, w = template_gray.shape[:2]

# 3、进行模板匹配
# cv2.matchTemplate()返回值是一个和原图同等大小的二维数组,存储的不是像素值而是匹配程度
# 若使用了归一化,存储的就是0到1之间的浮点数值
ret = cv2.matchTemplate(img_gray,       # 参数1 原图
                  template_gray,        # 参数2 模板图
                  cv2.TM_CCOEFF_NORMED  # 参数3 匹配方法 6种
                  )
# 设置一个匹配阈值,用于判断匹配程度大于多少才算匹配上
threshold = 0.8
# 调用np库中where函数
# 返回一个有两个array数组的元组,第一个元素是loc[0] y坐标,第二个元素是loc[1] x坐标
loc = np.where(ret >= threshold)
# 遍历匹配点
for x, y in zip(loc[1], loc[0]):
    # 绘制轮廓------矩形
    cv2.rectangle(img,              # 原图像
                  (x, y),           # 左上角
                  (x + w, y + h),   # 右下角
                  (0, 0, 255),
                  2
                  )


cv2.imshow('image', img)
cv2.imshow('template', template)
cv2.waitKey(0)
相关推荐
顾道长生'17 分钟前
(Arxiv-2025)通过动态 token 剔除实现无需训练的高效视频生成
计算机视觉·音视频·视频生成
云泽野2 小时前
【Java|集合类】list遍历的6种方式
java·python·list
IMPYLH3 小时前
Python 的内置函数 reversed
笔记·python
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
小赖同学啊5 小时前
物联网数据安全区块链服务
开发语言·python·区块链
码荼6 小时前
学习开发之hashmap
java·python·学习·哈希算法·个人开发·小白学开发·不花钱不花时间crud
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
小陈phd7 小时前
李宏毅机器学习笔记——梯度下降法
人工智能·python·机器学习
kk爱闹7 小时前
【挑战14天学完python和pytorch】- day01
android·pytorch·python
Blossom.1187 小时前
机器学习在智能建筑中的应用:能源管理与环境优化
人工智能·python·深度学习·神经网络·机器学习·机器人·sklearn