Python3与OpenCV3.3 图像处理(十四)--模板匹配

一、什么是模板匹配

在整个图像区域发现与给定子图像匹配的区域，模板匹配的工作方式是在待检测图像上从左到右，从上到下计算模板图象与重叠子图像的匹配度，匹配度越大，两者越相同

二、OpenCV中的模板匹配

CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。

CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。

CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。

CV_TM_SQDIFF_NORMED 归一化平方差匹配法

CV_TM_CCORR_NORMED 归一化相关匹配法

CV_TM_CCOEFF_NORMED 归一化相关系数匹配法

三、示例代码

import cv2 as cv
import numpy as np

def template():
#模板图片
tpl=cv.imread('12tem.jpg')
#目标图片
target=cv.imread('12.jpg')
cv.imshow('template',tpl)
cv.imshow('target',target)

methods=[cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED]

#获得模板的高宽
th,tw=tpl.shape[:2]
for md in methods:

#执行模板匹配
#target：目标图片
#tpl：模板图片
#匹配模式
result=cv.matchTemplate(target,tpl,md)
#寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置
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)
#绘制矩形边框，将匹配区域标注出来
#target：目标图像
#tl：矩形定点
#br：举行的宽高
#(0,0,255)：矩形边框颜色
#2：矩形边框大小
cv.rectangle(target,tl,br,(0,0,255),2)
cv.imshow('match-'+np.str(md),target)

template();

cv.waitKey(0)
cv.destroyAllWindows()