【opencv学习】【模板匹配】

今天学习模板匹配
模板图片

目标图像

import cv2
import matplotlib.pyplot as plt# 模板匹配的原理：
# 一个模板图像在目标图像上机芯从左到右从上到下进行滑动，每滑动一个位置就计算匹配度（均方差或者是相关系数等）
# 遍历完目标图像后，求出最匹配的未知区域来。# 展示图像，封装成函数
def cv_show_image(name, img):cv2.imshow(name, img)cv2.waitKey(0)  # 等待时间，单位是毫秒，0代表任意键终止cv2.destroyAllWindows()# 读取模板
template = cv2.imread('images/template.jpg')  # 转成灰度图
print('template图像维度是:', template.shape)
h, w, c = template.shape
print(h)
print(w)
cv_show_image('template', template)# 读取目标图像
dst_img = cv2.imread('images/saoge2.jpg')  # 转成灰度图
print('目标图像维度是:', dst_img.shape)
cv_show_image('dst_img', dst_img)# 匹配度的度量方法
methords = ['cv2.TM_SQDIFF',  # 计算每个像素点的均方差，值越小越相关'cv2.TM_CCORR',  # 计算相关性，值越大越相关'cv2.TM_CCOEFF',  # 计算相关性系数，值越大越相关'cv2.TM_SQDIFF_NORMED',  # 计算每个像素点的均方差，值越小越相关，带有归一化'cv2.TM_CCORR_NORMED',  # 计算相关性，值越大越相关，带有归一化'cv2.TM_CCOEFF_NORMED'  # 计算相关性系数，值越大越相关，带有归一化]colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255), (255, 255, 0), (0, 255, 255), (255, 0, 255)]
thickness = [12, 10, 8, 6, 4, 2]img_result = dst_img.copy()
for i in range(len(methords)):img_tmp = dst_img.copy()  # 临时展示当前的框框methord = eval(methords[i])  # 拿到具体的模板匹配方法print('current methord is: {}'.format(methords[i]))# 实际进行模板匹配res = cv2.matchTemplate(dst_img, template, methord)  # 传入目标图像、模板图像、匹配度量方法print(res.shape)  # 得到的是 (dst_img.H - template.H + 1, dst_img.W - template.W + 1)的维度数据print(type(res))  # <class 'numpy.ndarray'>print(res.dtype)  # 每个元素的类型是 float32# 解析结果，分别获得匹配过程中度量值的最大最小值，以及其分布像素点的位置，根据methord不同，去取适当的值min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)if methord in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:top_left = min_locelse:top_left = max_locbottom_right = (top_left[0] + w, top_left[1] + h)print('模板匹配到的位置信息是', top_left, bottom_right)# 在图像上画出矩形表示这个匹配的位置cv2.rectangle(img_result, top_left, bottom_right, colors[i], thickness[i])cv2.rectangle(img_tmp, top_left, bottom_right, colors[i], thickness[i])plt.subplot(1, 2, 1), plt.imshow(res, 'gray')  # 画出各个像素点（代表一个(h, w)的区域）的匹配度plt.xticks([]), plt.yticks([])  # 隐藏坐标轴plt.subplot(1, 2, 2), plt.imshow(img_tmp, 'gray')  # 在原始图像上画出匹配的位置plt.xticks([]), plt.yticks([])  # 隐藏坐标轴plt.title(methords[i])plt.show()# 最后把所有的框框都核在一起
cv_show_image('img_result', img_result)

效果如下：
‘cv2.TM_SQDIFF’, # 计算每个像素点的均方差，值越小越相关

‘cv2.TM_CCORR’, # 计算相关性，值越大越相关

‘cv2.TM_CCOEFF’, # 计算相关性系数，值越大越相关

‘cv2.TM_SQDIFF_NORMED’, # 计算每个像素点的均方差，值越小越相关，带有归一化

‘cv2.TM_CCORR_NORMED’, # 计算相关性，值越大越相关，带有归一化

‘cv2.TM_CCOEFF_NORMED’ # 计算相关性系数，值越大越相关，带有归一化

最后汇总的结果就是

【opencv学习】【模板匹配】相关推荐

基于VS与OpenCV的模板匹配学习（4）：手写OpenCV matchTemplate()
基于VS与OpenCV的模板匹配学习(4):手写OpenCV matchTemplate() 文章目录基于VS与OpenCV的模板匹配学习(4):手写OpenCV matchTemplate() 前 ...
Opencv java模板匹配-角点检测（11）
函数在opencv中有模板匹配的方法, Imgproc.matchTemplate(src, template, result, Imgproc.TM_CCOEFF); 这个方法输入的参数分别是: ...
Python+OpenCV：模板匹配(Template Matching)
Python+OpenCV:模板匹配(Template Matching) Template Matching with Single Objects ######################## ...
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：模板匹配
小程序「跳一跳」的自动化. 主要涉及到了OpenCV的模板匹配和边缘检测技术,以及Android开发调试工具ADB. 如果放在一起说,感觉内容有些多. 所以,分三期来讲,也能多了解一些东西. 首先介绍 ...
Python+Opencv实现模板匹配
目录一.模板匹配简介二.传统模板匹配算法不足之处三.多尺度模板匹配实现步骤四.多尺度模板匹配实现代码五.多尺度模板匹配效果展示和分析六.思维扩展参考资料注意事项一.模板匹配简介 ...
基于opencv的模板匹配详解
1.什么是模板匹配在OpenCV教程中这样解释模板匹配: 模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.这里说的模板是我们已知的小图像,模板匹配就是在一副大图像中搜寻目标. ...
opencv 多角度模板匹配
总结一下实现多角度模板匹配踩的坑一 .多角度匹配涉及到要使用mask,首先opencv matchTemplateMask自带的源码如下: static void matchTemplateMask ...
Opencv(六)模板匹配、轮廓检测、轮廓周围绘制矩形框和圆形框
模板匹配介绍模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域. 所以模板匹配首先需要一个模板图像T(给定的子图像) 另外需要一个待检测的图像-源图像S 工作方法,在带检测图像上,从左到右,从 ...
[图像识别]8.OpenCV的模板匹配和霍夫检测
回顾,上节课你学了什么? Sobel_x_or_y=cv.Sobel(img,ddepth,dx,dy,dst,ksize,scale,delta,borderType) 常用 Sobel_x_or ...

【opencv学习】【模板匹配】

【opencv学习】【模板匹配】相关推荐

最新文章

热门文章