OpenCV模板匹配matchTemplate的實(shí)現(xiàn)
作用有局限性，必須在指定的環(huán)境下，才能匹配成功，是受到很多因素的影響，所以有一定的適應(yīng)性
模板匹配是一種最原始、最基本的模式識(shí)別方法，研究某一特定對(duì)象物的圖案位于圖像的什么地方，進(jìn)而識(shí)別對(duì)象物，這就是一個(gè)匹配問(wèn)題。
它是圖像處理中最基本、最常用的匹配方法。
模板匹配具有自身的局限性，主要表現(xiàn)在它只能進(jìn)行平行移動(dòng)，若原圖像中的匹配目標(biāo)發(fā)生旋轉(zhuǎn)或大小變化，該算法無(wú)效。
模板匹配就是在整個(gè)圖像區(qū)域發(fā)現(xiàn)與給定子圖像匹配的小塊區(qū)域[/code]
工作原理：在待檢測(cè)圖像上，從左到右，從上向下計(jì)算模板圖像與重疊子圖像的匹配度，匹配程度越大，兩者相同的可能性越大。
代碼實(shí)現(xiàn)：
import cv2 as cv
import numpy as np
def template_demo():
tpl = cv.imread("./temp.png")
target = cv.imread("./1.png")
cv.imshow("template image",tpl)
cv.imshow("target image",target)
methods = [cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED] #各種匹配算法
th,tw = tpl.shape[:2] #獲取模板圖像的高寬
for md in methods:
result = cv.matchTemplate(target,tpl,md)
# result是我們各種算法下匹配后的圖像
# cv.imshow("%s"%md,result)
#獲取的是每種公式中計(jì)算出來(lái)的值，每個(gè)像素點(diǎn)都對(duì)應(yīng)一個(gè)值
min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
if md == cv.TM_SQDIFF_NORMED:
tl = min_loc #tl是左上角點(diǎn)
else:
tl = max_loc
br = (tl[0]+tw,tl[1]+th) #右下點(diǎn)
cv.rectangle(target,tl,br,(0,0,255),2) #畫(huà)矩形
cv.imshow("match-%s"%md,target)
src = cv.imread("./1.png") #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE) #創(chuàng)建GUI窗口,形式為自適應(yīng)
cv.imshow("input image",src) #通過(guò)名字將圖像和窗口聯(lián)系
template_demo()
cv.waitKey(0) #等待用戶操作，里面等待參數(shù)是毫秒，我們填寫(xiě)0，代表是永遠(yuǎn)，等待用戶操作
cv.destroyAllWindows() #銷(xiāo)毀所有窗口
補(bǔ)充：
1.幾種常見(jiàn)的模板匹配算法
①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是標(biāo)準(zhǔn)平方差匹配。利用平方差來(lái)進(jìn)行匹配,最好匹配為0.匹配越差,匹配值越大。
②TM_CCORR是相關(guān)性匹配；TM_CCORR_NORMED是標(biāo)準(zhǔn)相關(guān)性匹配。采用模板和圖像間的乘法操作,數(shù)越大表示匹配程度較高, 0表示最壞的匹配效果。
③TM_CCOEFF是相關(guān)性系數(shù)匹配；TM_CCOEFF_NORMED是標(biāo)準(zhǔn)相關(guān)性系數(shù)匹配。將模版對(duì)其均值的相對(duì)值與圖像對(duì)其均值的相關(guān)值進(jìn)行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒(méi)有任何相關(guān)性(隨機(jī)序列)。
總結(jié)：隨著從簡(jiǎn)單的測(cè)量(平方差)到更復(fù)雜的測(cè)量(相關(guān)系數(shù)),我們可獲得越來(lái)越準(zhǔn)確的匹配(同時(shí)也意味著越來(lái)越大的計(jì)算代價(jià))。
相關(guān)性是越接近1越大越好
平方差是越小越好
所以TM_SQDIFF在使用時(shí)和其他的是有所區(qū)別的
2.result = cv.matchTemplate(target,tpl,md)
opencv的目標(biāo)匹配函數(shù)為matchTemplate，函數(shù)原型為：matchTemplate(image, templ, method[, result[, mask]]) -> result
image參數(shù)表示待搜索源圖像，必須是8位整數(shù)或32位浮點(diǎn)。
templ參數(shù)表示模板圖像，必須不大于源圖像并具有相同的數(shù)據(jù)類(lèi)型。
method參數(shù)表示計(jì)算匹配程度的方法。
result參數(shù)表示匹配結(jié)果圖像，必須是單通道32位浮點(diǎn)。如果image的尺寸為W x H，templ的尺寸為w x h，則result的尺寸為(W-w+1)x(H-h+1)。
其中result是模板圖像去匹配的區(qū)域位置圖像[/code]
3.min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
opencv的函數(shù)minMaxLoc：在給定的矩陣中尋找最大和最小值，并給出它們的位置。 該功能不適用于多通道陣列。 如果您需要在所有通道中查找最小或最大元素，要先將陣列重新解釋為單通道。
函數(shù)minMaxLoc原型為：minMaxLoc(src[, mask]) -> minVal, maxVal, minLoc, maxLoc
src參數(shù)表示輸入單通道圖像。
mask參數(shù)表示用于選擇子數(shù)組的可選掩碼。
minVal參數(shù)表示返回的最小值，如果不需要，則使用NULL。
maxVal參數(shù)表示返回的最大值，如果不需要，則使用NULL。
minLoc參數(shù)表示返回的最小位置的指針（在2D情況下）； 如果不需要，則使用NULL。
maxLoc參數(shù)表示返回的最大位置的指針（在2D情況下）； 如果不需要，則使用NULL。
結(jié)合每種匹配算法，我們看看獲取的數(shù)值
result = cv.matchTemplate(target,tpl,md)
#獲取的是每種公式中計(jì)算出來(lái)的值，每個(gè)像素點(diǎn)都對(duì)應(yīng)一個(gè)值
min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
print("--------------%s--------------"%md)
print("min_val",min_val)
print("max_val",max_val)
print("min_loc",min_loc)
print("max_loc",max_loc)
print("--------------%s--------------" % md)
--------------1-------------- #TM_SQDIFF_NORMED標(biāo)準(zhǔn)平方差匹配 min_val 0.0 #標(biāo)準(zhǔn)差是越小為0代表匹配上了 max_val 0.22279763221740723 min_loc (108, 248) max_loc (3, 480) --------------1-------------- --------------3-------------- #TM_CCORR_NORMED標(biāo)準(zhǔn)相關(guān)性匹配 min_val 0.9228140115737915 max_val 1.0 #相關(guān)性是越接近1代表匹配上了 min_loc (9, 378) max_loc (108, 248) --------------3-------------- --------------5-------------- #TM_CCOEFF_NORMED標(biāo)準(zhǔn)相關(guān)性系數(shù)匹配 min_val -0.10706906020641327 max_val 1.0 #相關(guān)性越接近1越好 min_loc (186, 248) max_loc (108, 248) --------------5--------------
查看min_loc和max_loc關(guān)系
cv.line(target,min_loc,max_loc,(0,255,255),2)
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Pytorch 的損失函數(shù)Loss function使用詳解
今天小編就為大家分享一篇Pytorch 的損失函數(shù)Loss function使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
python庫(kù)geopandas讀取寫(xiě)入空間數(shù)據(jù)及繪圖實(shí)例探索
這篇文章主要為大家介紹了python庫(kù)geopandas讀取寫(xiě)入空間數(shù)據(jù)及繪圖實(shí)例探索,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪<BR>2024-02-02
下面小編就為大家分享一篇Python3之文件讀寫(xiě)操作的實(shí)例講解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-01-01
基本上，在面向?qū)ο缶幊陶Z(yǔ)言中，使用setter和getter方法的主要目的是為了確保數(shù)據(jù)的封裝，這篇文章主要介紹了Python的getter和setter的方法使用詳解,需要的朋友可以參考下2022-12-12
python實(shí)現(xiàn)的陽(yáng)歷轉(zhuǎn)陰歷（農(nóng)歷）算法
這篇文章主要介紹了python實(shí)現(xiàn)的陽(yáng)歷轉(zhuǎn)陰歷（農(nóng)歷）算法,需要的朋友可以參考下2014-04-04
這篇文章主要介紹了python轉(zhuǎn)換摩斯密碼的示例,需要的朋友可以參考下2014-02-02
淺談flask中的before_request與after_request
這篇文章主要介紹了淺談flask中的before_request與after_request，小編覺(jué)得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下2018-01-01
這篇文章主要介紹了python global關(guān)鍵字的用法詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
對(duì)numpy下的軸交換transpose和swapaxes的示例解讀
今天小編就為大家分享一篇對(duì)numpy下的軸交換transpose和swapaxes的示例解讀，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06
這篇文章主要介紹了使用python爬取抖音app視頻的實(shí)例代碼,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-12-12