目录

• 概述
• 模板匹配
• 案例一
• 案例二

【OpenCV】⚠️高手勿入! 半小时学会基本操作 ⚠️ 概述模板

概述

OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 21 课)

模板匹配

模板匹配 (Template Matching) 和卷积的原理很像. 模板在原图像上从原点开始滑动, 计算模板与图片被模板覆盖的地方的差别程度.

格式:

cv2.matchTemplate(image, templ, method, result=None, mask=None)

参数:

1. image: 输入图像
2. templ: 输入模板
3. method: 方法

• TM_SQDIFF: 计算平方差, 计算出来的值越小, 越相关
• TM_CCORR: 计算相关性, 计算出来的值越大, 越相关
• TM_CCOEFF: 计算相关系数, 计算出来的值越大, 越相关
• TM_SQDIFF_NORMED: 计算归一化平方不同, 计算出来的值越接近 0, 越相关
• TM_CCORR_NORMED: 计算归一化相关性, 计算出来的值越接近 1, 越相关
• TM_CCOEFF_NORMED: 计算归一化系数, 计算出来的值越接近 1, 越相关

案例一

例 1:

import cv2

# 读取图片
img = cv2.imread("girl.jpg", 0)
print(img.shape)  # (1280, 1920)

# 读取模板
template = cv2.imread("face.jpg", 0)
h, w = template.shape
print(template.shape)  # (510, 518)

# 模板匹配
result = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

案例二

例 2:

import cv2
from matplotlib import pyplot as plt

# 读取图片
img = cv2.imread("girl.jpg", 0)

# 读取模板
template = cv2.imread("face.jpg", 0)
h, w = template.shape

# 模式
methods = ['cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED']

# 循环
for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    print("method:", method)
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.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 [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)

    # 展示
    f, ax = plt.subplots(1, 2, figsize=(16, 8))
    ax[0].imshow(img2, cmap='gray')
    ax[1].imshow(res, cmap='gray')
    plt.suptitle(meth)

    plt.show()

输出结果:

到此这篇关于OpenCV半小时掌握基本操作之模板匹配的文章就介绍到这了,更多相关OpenCV模板匹配内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【文章由美国大带宽服务器http://www.558idc.com/mg.html 提供，感恩】