opencv学习（单模块匹配）

目录

1.什么是模块匹配

2.常见的函数（cv2.matchTemplate()和cv2.minMaxLoc()）

（1）cv2.matchTemplate(img，template，method)

(2)cv2.minMaxLoc(result)

3.输入要求

4.绘制模板匹配的矩形

参数说明：

5.示例

---

1.什么是模块匹配

用于在一张源图像中寻找与模板图像（已知的小图像）最相似的区域。

算法通过在源图像上滑动模板图像，逐一计算模板与每个位置的子区域的相似度，最终找到相似度最高的区域，即为模板在源图像中的匹配位置。

在 OpenCV 中，cv2.matchTemplate()函数就是实现模板匹配的工具，配合cv2.minMaxLoc()可以快速找到最佳匹配位置。

2.常见的函数（cv2.matchTemplate()和cv2.minMaxLoc()）

（1）cv2.matchTemplate(img，template，method)

        通过在源图像上滑动模板图像，计算模板与源图像各子区域的匹配程度，从而找出源图像中与模板最相似的位置。常用于目标检测、图像定位等场景，例如在一张照片中寻找特定物体的位置。

        返回值：该函数返回一个单通道灰度图像（数组），即图像尺寸大小是（原图像H-模板h+1，原图像W-模板w+1），表示表示模板图像与源图像中以（原图像H-模板h+1，原图像W-模板w+1） 为左上角的子区域的匹配程度。并且可以通过  cv2.minMaxLoc() 可以快速找到最佳匹配位置。

匹配方法（method）：

cv2.TM_CCOEFF:相关系数匹配，值越大匹配越好。

cv2.TM_CCOEFF_NORMED:归一化相关系数匹配，取值范围[0，1]，1表示完美匹配。

cv2.TM_SQDIFF:平方差匹配，值越小匹配越好。

cv2.TM_SQDIFF_NORMED:归一化平方差匹配，取值范围[0，1]，0表示完美匹配。

(2)cv2.minMaxLoc(result)

其中result是cv2.matchTemplate()的返回值。

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(src[, mask])

• 参数：
  • src：输入的单通道数组（如模板匹配的结果 result）。
  • mask（可选）：掩码数组，用于指定只在掩码为非零的区域内查找极值。
• 返回值：
  • min_val：数组中的最小值。
  • max_val：数组中的最大值。
  • min_loc：最小值所在的坐标 (x, y)，若数组为空则返回 None。
  • max_loc：最大值所在的坐标 (x, y)，若数组为空则返回 None。

3.输入要求

必须是单通道数组，若处理彩色图像，需先转为灰度图（如 cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)）。

4.绘制模板匹配的矩形

cv2.rectangle（）用于在图像上绘制矩形的函数，常用于标记目标区域（如模板匹配后的结果、目标检测的边界框等）。

cv2.rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

参数说明：

1. img：输入图像（需要在这张图上绘制矩形），会被直接修改（原地操作）。

2. pt1：矩形的左上角顶点坐标，格式为 (x1, y1)（x 是水平方向坐标，y 是垂直方向坐标）。

3. pt2：矩形的右下角顶点坐标，格式为 (x2, y2)。

4. color：矩形的颜色。

   • 对于灰度图（单通道），是一个灰度值（如 255 表示白色）。
   • 对于彩色图（BGR 格式），是一个三元组 (b, g, r)（如 (0, 255, 0) 表示绿色）。

5. thickness（可选）：矩形边框的厚度（像素）。

   • 正数：边框的厚度（如 2 表示 2 像素宽的边框）。
   • cv2.FILLED 或 -1：表示填充矩形内部（实心矩形）。

6. lineType（可选）：边框的线型（如 cv2.LINE_8 为默认的 8 连通线，cv2.LINE_AA 为抗锯齿线，绘制更平滑）。

7. shift（可选）：坐标点的小数位数（默认 0，即整数坐标）

 该函数没有返回值，直接在输入图像上进行绘制矩形。

5.示例

import cv2
import matplotlib.pyplot as plt
import numpy as npimg1=cv2.imread('structure.png')
img=cv2.resize(img1,(0,0),fx=0.6,fy=0.6)
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
template=cv2.imread('structure1.png',cv2.IMREAD_COLOR)
template=cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
h,w=template.shape[:2]
print(img.shape,'     ',template.shape)
def cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()
cv_show('img',img)
cv_show('template',template)#单模板匹配
'''
差值平方和匹配 CV_TM_SQDIFF
标准化差值平方和匹配 CV_TM_SQDIFF_NORMED
相关匹配 CV_TM_CCORR
标准相关匹配 CV_TM_CCORR_NORMED
相关匹配 CV_TM_CCOEFF
标准相关匹配 CV_TM_CCOEFF_NORMED
'''
#cv2.matchTemplate() 的工作方式是：将模板图像在原始图像上从左到右、从上到下滑动，每次滑动一个像素，就计算一次模板与当前位置的匹配程度
res=cv2.matchTemplate(img,template,cv2.TM_SQDIFF_NORMED)
print(res.shape)#res.shape = (H - h + 1, W - w + 1)H，W是原始图像高度和宽度，
min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res)
print(min_val)
print(max_val)
print(min_loc)
print(max_loc)#开始绘制模板匹配的矩形
top_left=min_loc#是坐标，当然有[0],[1]啦
bottom_right=(top_left[0]+w,top_left[1]+h)
draw_img=img.copy()
res=cv2.rectangle(draw_img,top_left,bottom_right,255,2)
cv_show('rea',res)

import cv2 as cv   #用 cv 代替 cv2 调用函数，例如 cv.imread() 比 cv2.imread() 更简洁。
methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR','cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
for meth in methods:img2 = img.copy()#匹配方法的真值method =eval(meth)print(method)res = cv2.matchTemplate(img2,template,method)min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc(res)#如果是平方差匹配TW 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_left1 =min_loc1else:top_left1= max_locbottom_right =(top_left[0]+ w, top_left[1]+ h)
#画矩形cv2.rectangle(img2, top_left1,bottom_right, (255,0,0),2)plt.subplot(121), plt.imshow(res)plt.title('result'), plt.xticks([]), plt.yticks([])plt.subplot(122), plt.imshow(img2)plt.title('spot'), plt.xticks([]), plt.yticks([])plt.suptitle(meth)plt.show()