使用模板匹配在图像中寻找物体

模板匹配

模板匹配就是用来在大图中找小图，也就是说在一副图像中寻找另外一张模板图像的位置：

opencv中用 cv.matchTemplate() 实现模板匹配。
模板匹配的原理其实很简单，就是不断地在原图中移动模板图像去比较，有6种不同的比较方法，详情可参考：TemplateMatchModes
1. 平方差匹配CV_TM_SQDIFF：用两者的平方差来匹配，最好的匹配值为0
2. 归一化平方差匹配CV_TM_SQDIFF_NORMED
3. 相关匹配CV_TM_CCORR：用两者的乘积匹配，数值越大表明匹配程度越好
4. 归一化相关匹配CV_TM_CCORR_NORMED
5. 相关系数匹配CV_TM_CCOEFF：用两者的相关系数匹配，1表示完美的匹配，-1表示最差的匹配
6. 归一化相关系数匹配CV_TM_CCOEFF_NORMED
归一化的意思就是将值统一到0~1，这些方法的对比代码可到源码处查看。模板匹配也是应用卷积来实现的：假设原图大小为W×H，模板图大小为w×h，那么生成图大小是(W-w+1)×(H-h+1)，生成图中的每个像素值表示原图与模板的匹配程度。

实验：源图像中匹配模板图像

源图像：

模板图像：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt# 1.模板匹配
img = cv.imread('lena.jpg', 0)
template = cv.imread('face.jpg', 0)
h, w = template.shape[:2]  # rows->h, cols->w# 6种匹配方法
methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR','cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']for meth in methods:img2 = img.copy()# 匹配方法的真值method = eval(meth)res = cv.matchTemplate(img, template, method)min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)# 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:top_left = min_locelse:top_left = max_locbottom_right = (top_left[0] + w, top_left[1] + h)# 画矩形cv.rectangle(img2, top_left, bottom_right, 255, 2)plt.subplot(121), plt.imshow(res, cmap='gray')plt.xticks([]), plt.yticks([])  # 隐藏坐标轴plt.subplot(122), plt.imshow(img2, cmap='gray')plt.xticks([]), plt.yticks([])plt.suptitle(meth)plt.show()

实验结果

匹配多个物体

前面我们是找最大匹配的点，所以只能匹配一次。我们可以设定一个匹配阈值来匹配多次：

实验：匹配图像中的硬币

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt# 2.匹配多个物体
img_rgb = cv.imread('mario.jpg')
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]res = cv.matchTemplate(img_gray, template, cv.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐标
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):  # *号表示可选参数bottom_right = (pt[0] + w, pt[1] + h)cv.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)cv.imshow('img_rgb', img_rgb)
cv.waitKey(0)
cv.destroyAllWindows()

代码难点讲解

第3步有几个Python/Numpy的重要知识：

x = np.arange(9.).reshape(3, 3)
print(np.where(x > 5))
# 结果：(array([2, 2, 2]), array([0, 1, 2]))

zip()函数，功能强大到难以解释，举个简单例子就知道了：

x = [1, 2, 3]
y = [4, 5, 6]
print(list(zip(x, y)))  # [(1, 4), (2, 5), (3, 6)]

实验结果

opencv 模板匹配，在图像中寻找物体相关推荐

OpenCV模板匹配识别图片中的数字
OpenCV模板匹配识别图片中的数字前言本博客主要实现利用OpenCV的模板匹配识别图像中的数字,然后把识别出来的数字输出到txt文件中,如果识别失败则输出"读取失败". 操作 ...
利用OpenCV的函数matchTemplate()实现在图像中寻找、检索、搜索模板图像【图像模板匹配】
利用OpenCV的函数matchTemplate()实现在图像中寻找.检索.搜索模板图像[图像模板匹配] 在博文 https://www.hhai.cc/thread-220-1-1.html 中我们 ...
OpenCV之imgproc 模块. 图像处理（5）在图像中寻找轮廓计算物体的凸包创建包围轮廓的矩形和圆形边界框为轮廓创建可倾斜的边界框和椭圆轮廓矩多边形测试
在图像中寻找轮廓目标在这个教程中你将学到如何: 使用OpenCV函数 findContours 使用OpenCV函数 drawContours 原理例程教程的代码在下面给出. 你也可以从这里 ...
OpenCV—python 模板匹配与图像特征匹配
文章目录一.理论介绍与算法二.算法代码单目标匹配多目标匹配三多尺度模板匹配一.理论介绍与算法模板匹配是在一幅图像中寻找一个特定目标的方法之一,这种方法的原理非常简单,遍历图像中的每一个 ...
OpenCV在图像中寻找轮廓的实例(附完整代码)
OpenCV在图像中寻找轮廓的实例 OpenCV在图像中寻找轮廓的实例 OpenCV在图像中寻找轮廓的实例 #include "opencv2/imgcodecs.hpp" #in ...
OpenCV在图像中寻找轮廓
OpenCV在图像中寻找轮廓在图像中寻找轮廓目标代码结果在图像中寻找轮廓目标在本教程中,您将学习如何: 使用OpenCV函数cv :: findContours 使用OpenCV函数cv ...
opencv 模板匹配(cvMatchTemplate)
opencv 模板匹配(cvMatchTemplate) 模板匹配是通过在输入图像上滑动模板图像块对实际的图像块和输入图像进行匹配,并且可以利用函数cvMinMaxLoc()找到最佳匹配的位置.例如在 ...
OpenCV模板匹配Template Matching
OpenCV模板匹配Template Matching 模板匹配Template Matching 目标理论什么是模板匹配? OpenCV提供哪些匹配方法? 代码解释结果模板匹配Templa ...
图像匹配与OpenCV模板匹配
介绍 (Introduction) As a data scientist at VATBox, I've mainly worked on projects which at their core ...

opencv 模板匹配，在图像中寻找物体

模板匹配

实验：源图像中匹配模板图像

实验结果

匹配多个物体

实验：匹配图像中的硬币

代码难点讲解

实验结果

opencv 模板匹配，在图像中寻找物体相关推荐

最新文章

热门文章