Opencv 学习笔记:单模板匹配(6 种算法 + 目标精准定位)

模板匹配是在图像中查找与模板最相似区域的核心技术,本文演示 OpenCV 单模板匹配的完整实现,涵盖 6 种匹配算法,并解决匹配结果定位的核心问题,新手可直接复用。

核心代码实现

python 复制代码
import cv2 as cv
import numpy as np

# 1. 读取模板和待匹配图像并校验
tpl = cv.imread('.\image\15.bmp')  # 模板图像
target = cv.imread('.\image\16.bmp')  # 待匹配图像
if tpl is None or target is None:
    print('图像读取失败,请检查路径')
    exit()

# 显示模板和待匹配图像
cv.namedWindow('tpl', cv.WINDOW_NORMAL)
cv.resizeWindow('tpl', 600, 600)
cv.imshow('tpl', tpl)
cv.imshow('target', target)

# 2. 定义6种模板匹配算法
TM_SQDIFF = cv.TM_SQDIFF          # 平方差匹配:0最好,1最次
TM_SQDIFF_NORMED = cv.TM_SQDIFF_NORMED  # 归一化平方差匹配
TM_CCORR = cv.TM_CCORR            # 相关性匹配:1最好,0最次
TM_CCORR_NORMED = cv.TM_CCORR_NORMED    # 归一化相关性匹配
TM_CCOEFF = cv.TM_CCOEFF          # 相关系数匹配:1最好,0最次
TM_CCOEFF_NORMED = cv.TM_CCOEFF_NORMED  # 归一化相关系数匹配

# 选择使用的匹配算法(推荐归一化算法,鲁棒性更强)
use_method = TM_CCOEFF_NORMED

# 3. 执行模板匹配(注意参数顺序:待匹配图像在前,模板在后)
result = cv.matchTemplate(target, tpl, use_method)
# 归一化匹配结果(便于统一分析)
cv.normalize(result, result, 0, 1, cv.NORM_MINMAX, -1)

# 4. 获取匹配结果的极值点(定位最佳匹配区域)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)

# 5. 根据算法类型确定最佳匹配位置
tpl_h, tpl_w = tpl.shape[:2]  # 获取模板的高和宽
if use_method in [TM_SQDIFF, TM_SQDIFF_NORMED]:
    # 平方差类算法:最小值为最佳匹配
    best_loc = min_loc
else:
    # 相关性/相关系数类算法:最大值为最佳匹配
    best_loc = max_loc

# 6. 绘制匹配框(在待匹配图像上标注结果)
bottom_right = (best_loc[0] + tpl_w, best_loc[1] + tpl_h)
cv.rectangle(target, best_loc, bottom_right, (0, 255, 0), 2)

# 7. 显示匹配结果
cv.namedWindow('result', cv.WINDOW_NORMAL)
cv.resizeWindow('result', 600, 600)
cv.imshow('result', target)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 6 种匹配算法分类

算法类型 核心特点 最佳匹配判定 推荐度
平方差类(SQDIFF/SQDIFF_NORMED) 计算像素差值平方和 数值越小匹配度越高 🌟🌟(归一化版更优)
相关性类(CCORR/CCORR_NORMED) 计算像素相关性 数值越大匹配度越高 🌟🌟(易受亮度影响)
相关系数类(CCOEFF/CCOEFF_NORMED) 去除均值后的相关性 数值越大匹配度越高 🌟🌟🌟(鲁棒性最强)

2. 核心避坑点

  • 参数顺序 :cv.matchTemplate(target, tpl, method) 必须是「待匹配图像在前,模板在后」,原代码顺序颠倒会导致匹配失败;
  • 匹配框尺寸 :匹配框的宽高应取模板图像 的尺寸(tpl_w/tpl_h),而非待匹配图像;
  • 归一化优势:归一化算法(带_NORMED 后缀)不受图像尺寸、亮度缩放影响,实际项目优先使用。

3. 核心步骤拆解

  1. 读取模板 / 待匹配图像,做好空值校验;
  2. 选择匹配算法(优先归一化相关系数);
  3. 执行模板匹配并归一化结果;
  4. 根据算法类型获取最佳匹配位置(最小 / 最大值);
  5. 绘制矩形框标注匹配区域。

总结

  1. 模板匹配核心是选择合适算法:优先使用TM_CCOEFF_NORMED(归一化相关系数),鲁棒性最强;
  2. 注意matchTemplate参数顺序(待匹配图在前)和匹配框尺寸(取模板尺寸);
  3. 平方差类算法看最小值,相关性 / 相关系数类看最大值,是定位最佳匹配的关键。
相关推荐
β添砖java4 小时前
Transformer大白话学习笔记
笔记·学习·transformer
希和20275 小时前
代码小白笔记:蓝桥杯彩灯控制代码逐段讲解
笔记·mongodb·蓝桥杯
希和20275 小时前
江科大 51 单片机课程笔记:XPT2046 触摸/AD 采集与 LCD1602 显示
笔记·单片机·mongodb
kevin_org8 小时前
LangChain入门学习(四)
python·学习·langchain·fastapi
小七在进步1 天前
string的实现(1)
c++·笔记·visual studio
瑞克-桑切斯1 天前
Kubernetes 1.28 保姆级新手学习教程
运维·学习·docker·云原生·容器·kubernetes
保利威视频SaaS小张1 天前
企业直播接入笔记 12|企业内训直播怎么做签到和学时统计,防挂机这件事比想象中难
java·前端·数据库·笔记·视频云·polvy·polyv
lcj25111 天前
[C++] C++11
开发语言·c++·笔记
kaixin_啊啊1 天前
【三种鲑科鱼类比较基因组学分析鉴定出参与细胞内寄生菌鲑立克次体抗性的功能候选基因】论文学习
学习
一条破秋裤1 天前
【1117】【内存资源管控】【笔记】
android·笔记