opencv 模板匹配

1. 模板匹配

模板匹配就是用模板图（通常是一个小图）在目标图像（通常是一个比模板图大的图片）中不断的滑动比较，通过某种比较方法来判断是否匹配成功。

2. 匹配方法（cv2.matchTemplate()）

res=cv2.matchTemplate(image,templ,method)

参数说明：

• image：原图像，这是一个灰度图像或彩色图像（在这种情况下，匹配将在每个通道上独立进行）。

• templ：模板图像，也是灰度图像或与原图像相同通道数的彩色图像。

• method：匹配方法，可以是以下之一：

  • cv2.TM_CCOEFF 相关系数匹配
  • cv2.TM_CCOEFF_NORMED 归一化相关系数匹配
  • cv2.TM_CCORR 相关匹配
  • cv2.TM_CCORR_NORMED 归一化相关匹配
  • cv2.TM_SQDIFF 平方差匹配
  • cv2.TM_SQDIFF_NORMED 归一化平方差匹配
  • 这些方法决定了如何度量模板图像与原图像子窗口之间的相似度。

• 返回值res

  函数在完成图像模板匹配后返回一个结果矩阵，这个矩阵的大小与原图像相同。矩阵的每个元素表示原图像中相应位置与模板图像匹配的相似度。

  匹配方法不同，返回矩阵的值的含义也会有所区别。以下是几种常用的匹配方法及其返回值含义：

  1. cv2.TM_SQDIFF 或 cv2.TM_SQDIFF_NORMED：

     返回值越接近0，表示匹配程度越好。最小值对应的最佳匹配位置。

  2. cv2.TM_CCORR 或 cv2.TM_CCORR_NORMED：

     返回值越大，表示匹配程度越好。最大值对应的最佳匹配位置。

  3. cv2.TM_CCOEFF 或 cv2.TM_CCOEFF_NORMED：

     返回值越大，表示匹配程度越好。最大值对应的最佳匹配位置。

2.1 平方差匹配（cv2.TM_SQDIFF）

以模板图与目标图所对应的像素值使用平方差公式来计算，其结果越小，代表匹配程度越高，计算过程举例如下。

注意：模板匹配过程皆不需要边缘填充，直接从目标图像的左上角开始计算。

绘制轮廓：
找的目标图像中匹配程度最高的点，我们可以设定一个匹配阈值来筛选出多个匹配程度高的区域。

loc=np.where(array > 0.8) #loc包含array中所有大于0.8的元素索引的数组

*zip(loc)
代码如下：

'''平方差匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 平方差匹配cv2.TM_SQDIFF 值越小越相似res=cv2.matchTemplate(img,temp,cv2.TM_SQDIFF)#设置阈值筛选出非常相似的子图threshold=2000000# 找到满足要求的坐标loc=np.where(res<threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),2)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)

2.2 归一化平方差匹配（cv2.TM_SQDIFF_NORMED）

与平方差匹配类似，只不过需要将值统一到0到1，计算结果越小，代表匹配程度越高，计算过程举例如下。

代码如下：

    '''归一化平方差匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 归一化平方差匹配cv2.TM_SQDIFF——MORMED 值越小越相似res=cv2.matchTemplate(img,temp,cv2.TM_SQDIFF_NORMED)#设置阈值筛选出非常相似的子图threshold=0.3# 找到满足要求的坐标loc=np.where(res<threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),2)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)

2.3 相关匹配（cv2.TM_CCORR）

使用对应像素的乘积进行匹配 ，乘积的结果越大其匹配程度越高，计算过程举例如下。

代码如下：

'''相关匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 相关匹配cv2.TM_CCORR 值越大越相似res=cv2.matchTemplate(img,temp,cv2.TM_CCORR)#设置阈值筛选出非常相似的子图threshold=7300000# 找到满足要求的坐标loc=np.where(res>threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),1)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)

注意：

• 越大越好的话，如果原图有一片区域为白色那么久会被匹配上

2.4 归一化相关匹配（cv2.TM_CCORR_NORMED）

与相关匹配类似，只不过是将其值统一到0到1之间，值越大，代表匹配程度越高，计算过程举例如下

代码如下：

'''归一化相关匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 相关匹配cv2.TM_CCORR_NORMDE 值越大越相似res=cv2.matchTemplate(img,temp,cv2.TM_CCORR_NORMED)#设置阈值筛选出非常相似的子图threshold=0.9# 找到满足要求的坐标loc=np.where(res>threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),1)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)

2.5 相关系数匹配（cv2.TM_CCOEFF）

需要先计算模板与目标图像的均值，然后通过每个像素与均值之间的差的乘积再求和来表示其匹配程度，越大越匹配，计算过程举例如下。

代码如下：

'''相关系数匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 相关系数匹配cv2.TM_CCOEFF 值越大越相似res=cv2.matchTemplate(img,temp,cv2.TM_CCOEFF)#设置阈值筛选出非常相似的子图threshold=3000000# 找到满足要求的坐标loc=np.where(res>threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),1)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)

2.6 归一化相关系数匹配（cv2.TM_CCOEFF_NORMED）

也是将相关系数匹配的结果统一到0到1之间，值越接近1代表匹配程度越高，计算过程举例如下。

代码如下：

'''归一化相关系数匹配'''img=cv2.imread("../15day4.10/src/game.png")temp=cv2.imread("../15day4.10/src/temp.png")h,w,c=temp.shape#获取匹配后的相似值cv2.matchTemplate()，# 相关系数匹配cv2.TM_CCOEFF_NORMED 值越大越相似res=cv2.matchTemplate(img,temp,cv2.TM_CCOEFF_NORMED)#设置阈值筛选出非常相似的子图threshold=0.8# 找到满足要求的坐标loc=np.where(res>threshold)#用一个矩形框圈出符合要求的图像for el in zip(*loc):cv2.rectangle(img,el[::-1],(el[1]+w,el[0]+h),(255,0,255),1)cv2.imshow("img",img)cv2.imshow("temp",temp)cv2.waitKey(0)