【Opencv计算机视觉-模版匹配】

Opencv计算机视觉

一、模板匹配的基本概念

模版匹配：模板匹配是一种用于查找与模板图像（补丁）匹配（相似）的图像区域的技术。

为了识别匹配区域，我们必须通过滑动来将模板图像与源图像进行比较，它的基本思想是：将模板图像在待搜索图像上滑动，计算模板与待搜索图像中每个对应区域的相似度，最终找到相似度最高的区域。

一次移动一个像素（从左到右，从上到下）。在每个位置，都会计算一个度量（度量计算公式参考OpenCV: Template Matching），以便它表示该位置的匹配"好"或"坏"程度

二、代码逐行解析

导入库和读取显示图像

python 复制代码

import cv2
kele = cv2.imread('kele.png')
template = cv2.imread('template.png')
cv2.imshow('kele',kele)
cv2.imshow('template.png',template)
# cv2.waitKey(0)

kele.png

template.png

2.获取模板尺寸并进行模板匹配

python 复制代码

h,w=template.shape[:2]
res=cv2.matchTemplate(kele,template,cv2.TM_CCOEFF_NORMED)

h,w=template.shape[:2]：获取模板图像的高度（h）和宽度（w）。这两个值将用于后续在匹配位置绘制矩形框。

cv2.matchTemplate(image, templ, method)：这是模板匹配的核心函数。

image：待搜索的大图像（kele）。

templ：模板图像（template）。

method：匹配方法。这里使用的是cv2.TM_CCOEFF_NORMED（归一化相关系数匹配法）。

返回值res：一个结果矩阵，其大小为(H-h+1, W-w+1)，其中H和W是待搜索图像的高度和宽度。矩阵中的每个元素表示模板在对应位置的匹配程度。

处理匹配结果并获取最佳匹配位置

python 复制代码

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)

cv2.minMaxLoc(res)：分析结果矩阵res，返回其中的最小值（min_val）、最大值（max_val）、最小值的位置（min_loc）和最大值的位置（max_loc）

top_left=max_loc：对于TM_CCOEFF_NORMED方法，最大值的位置就是最佳匹配区域的左上角坐标。不同的匹配方法对 "最佳匹配" 的定义不同：

对于TM_SQDIFF和TM_SQDIFF_NORMED，最小值对应最佳匹配。

对于TM_CCORR、TM_CCORR_NORMED、TM_CCOEFF、TM_CCOEFF_NORMED，最大值对应最佳匹配。

bottom_right=(top_left[0]+w,top_left[1]+h)：根据模板的宽度和高度，计算出最佳匹配区域的右下角坐标。

4.绘制匹配结果并显示

python 复制代码

kele_temple=cv2.rectangle(kele,top_left,bottom_right,(0,255,0),2)
cv2.imshow('kele_template',kele_temple)
cv2.waitKey(0)

cv2.rectangle(image, pt1, pt2, color, thickness)：在大图像kele上绘制一个矩形框，标记出最佳匹配区域。

pt1：矩形的左上角坐标（top_left）。

pt2：矩形的右下角坐标（bottom_right）。

color：矩形的颜色，这里是绿色（(0,255,0)）。

thickness：矩形边框的厚度，这里是 2 个像素。

cv2.imshow('kele_template',kele_temple)：显示绘制了匹配结果的图像。

cv2.waitKey(0)：暂停程序，等待用户按下任意键后关闭所有窗口

三、常用的模板匹配方法

方法	特点	最佳匹配值
`TM_SQDIFF`	平方差匹配法，匹配值越小，匹配度越高	最小值
`TM_SQDIFF_NORMED`	归一化平方差匹配法，对亮度和对比度不敏感	最小值
`TM_CCORR`	相关匹配法，匹配值越大，匹配度越高	最大值
`TM_CCORR_NORMED`	归一化相关匹配法，对亮度和对比度不敏感	最大值
`TM_CCOEFF`	相关系数匹配法，匹配值越大，匹配度越高	最大值
`TM_CCOEFF_NORMED`	归一化相关系数匹配法，对亮度和对比度不敏感，效果通常最好	最大值

推荐使用归一化的方法（如TM_CCOEFF_NORMED），因为它们对图像的亮度和对比度变化具有更好的鲁棒性