Python+OpenCV影像處理（九）—— 模板匹配

標籤：輸入   相同   rect   最大和   參數   www.   模式識別   import   ==   

百度百科：模板匹配是一種最原始、最基本的模式識別方法，研究某一特定對象物的圖案位於映像的什麼地方，進而識別對象物，這就是一個匹配問題。它是影像處理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表現在它只能進行平行移動，若原映像中的匹配目標發生旋轉或大小變化，該演算法無效。

簡單來說，模板匹配就是在整個映像地區發現與給定子映像匹配的小塊地區。

工作原理：在帶檢測映像上，從左至右，從上向下計算模板映像與重疊子映像的匹配度，匹配程度越大，兩者相同的可能性越大。

代碼如下：

#模板匹配import cv2 as cvimport numpy as npdef template_demo():    tpl =cv.imread("E:/imageload/sample1.jpg")    target = cv.imread("E:/imageload/target1.jpg")    cv.namedWindow(‘template image‘, cv.WINDOW_NORMAL)    cv.imshow("template image", tpl)    cv.namedWindow(‘target image‘, cv.WINDOW_NORMAL)    cv.imshow("target image", target)    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]   #3種模板匹配方法    th, tw = tpl.shape[:2]    for md in methods:        print(md)        result = cv.matchTemplate(target, tpl, md)        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)        if md == cv.TM_SQDIFF_NORMED:            tl = min_loc        else:            tl = max_loc        br = (tl[0]+tw, tl[1]+th)   #br是矩形右下角的點的座標        cv.rectangle(target, tl, br, (0, 0, 255), 2)        cv.namedWindow("match-" + np.str(md), cv.WINDOW_NORMAL)        cv.imshow("match-" + np.str(md), target)template_demo()cv.waitKey(0)cv.destroyAllWindows()

運行結果：

注意：

1.幾種常見的模板匹配演算法：

其中，

①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是標準平方差匹配。利用平方差來進行匹配,最好匹配為0.匹配越差,匹配值越大。

②TM_CCORR是相關性匹配；TM_CCORR_NORMED是標準相關性匹配。採用模板和映像間的乘法操作,數越大表示匹配程度較高, 0表示最壞的匹配效果。

③TM_CCOEFF是相關性係數匹配；TM_CCOEFF_NORMED是標準相關性係數匹配。將模版對其均值的相對值與映像對其均值的相關值進行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒有任何相關性(隨機序列)。

總結：隨著從簡單的測量(平方差)到更複雜的測量(相關係數),我們可獲得越來越準確的匹配(同時也意味著越來越大的計算代價)。

參考：

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

69231259

補：個人認為參考的第一篇部落格的關於模板匹配演算法的原理有一點點點錯誤，模板映像應該是左上方開始，而不是從中心點開始。在左上方那個點開始計算匹配度，最後得出的最匹配的座標點是模板映像左上方的位置（純屬個人覺得，如有錯誤，歡迎指出來）。

我認為模板匹配原理應該如下：

2.opencv的目標匹配函數為matchTemplate，函數原型為：matchTemplate(image, templ, method[, result[, mask]]) -> result

image參數表示待搜尋源映像，必須是8位整數或32位浮點。

templ參數表示模板映像，必須不大於源映像並具有相同的資料類型。

method參數表示計算匹配程度的方法。

result參數表示匹配結果映像，必須是單通道32位浮點。如果image的尺寸為W x H，templ的尺寸為w x h，則result的尺寸為(W-w+1)x(H-h+1)。

3.opencv的函數minMaxLoc：在給定的矩陣中尋找最大和最小值，並給出它們的位置。 該功能不適用於多通道陣列。 如果您需要在所有通道中尋找最小或最大元素，要先將陣列重新解釋為單通道。

函數minMaxLoc原型為：minMaxLoc(src[, mask]) -> minVal, maxVal, minLoc, maxLoc

src參數表示輸入單通道映像。

mask參數表示用於選擇子數組的可選掩碼。

minVal參數表示返回的最小值，如果不需要，則使用NULL。

maxVal參數表示返回的最大值，如果不需要，則使用NULL。

minLoc參數表示返回的最小位置的指標（在2D情況下）； 如果不需要，則使用NULL。

maxLoc參數表示返回的最大位置的指標（在2D情況下）； 如果不需要，則使用NULL。

參考：60869427

 4.opencv的函數rectangle用於繪製矩形。函數原型為： rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

img參數表示源映像。

pt1參數表示矩形的一個頂點。

pt2參數表示與pt1相對的對角線上的另一個頂點 。

color參數表示矩形線條顏色 (RGB) 或亮度（灰階映像 ）。

thickness參數表示組成矩形的線條的粗細程度。取負值時（如 CV_FILLED）函數繪製填充了色彩的矩形。

lineType參數表示線條的類型。

shift參數表示座標點的小數點位元。

 

Python+OpenCV影像處理（九）—— 模板匹配