13 — OpenCV学习—模板匹配

模板匹配

1.模板匹配

模板匹配：找到给定模板中最相似的区域
实施过程：

• 准备两张图片
  （1）原图
  （2）模板图
  
• 滑动模板块与原始图像进行比较
  
• 对于每个像素位置。将计算结果存在矩阵中，输入图像大小（W
  H）,模板图像大小(w
  h),则输出矩阵的大小为(W-w+1,H-h+1)
  
• 找到最大值的位置——最佳匹配
  

2.实现

OpenCV中的方法实现模板匹配。
API:

res = cv.matchTemplate(img, template,method)

范围：

• img：要进行模板匹配的图像
  
• Template：模板
  
• method：实现模板匹配的算法，主要有：
  （1）平方差匹配(CV_TM_SQDIFF)：利用模板与图像之间的平方差进行匹配，最好的匹配是O，匹配越差，匹配的值越大。
  （2）相关匹配（CV_TM_CCORR）：利用模板与图像间的乘法进行匹配，数值越大表示匹配程度较高，越小表示匹配效果差。
  （3）利用相关系数匹配（CV_TM_CCOEFF)：利用模板与图像间的相关系数匹配，1表示完美的匹配，-1表示最差的匹配。
  完成匹配后，使用cv.minMaxLoc0方法查找最大值所在的位置即可。如果使用平方差作为比较方法，则最小值位置是最佳匹配位置。
  

3.示例：

（1）原图：
（2）模板图：

（3）代码如下：

import cv2 as cv
import matplotlib.pyplot as plt

# 解决中文显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1图像和模板读取
img = cv.imread('images/wulin.jpg')
template = cv.imread('images/wulinmoban.jpg')

# 2模板匹配
# 2.1模板匹配
res = cv.matchTemplate(img, template, cv.TM_CCORR)
# 2.2返回图像中最匹配的位置，确定左上角的坐标，并将匹配位置绘制在图像上
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
# 使用平方差时最小值为最佳匹配位置
# top_left = min_loc
top_left = max_loc
h, w = template.shape[:2]
bottom_right = (top_left[0] + w, top_left[1] + h)
cv.rectangle(img, top_left, bottom_right, (0, 255, 0), 2)
# 3图像显示
plt.imshow(img[:, :, ::-1])
plt.title('匹配结果'),plt.xticks([]),plt.yticks([])
plt.show()

（4）运行结果：