溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
作用有局限性，必須在指定的環境下，才能匹配成功，是受到很多因素的影響，所以有一定的適應性
模板匹配是一種最原始、最基本的模式識別方法，研究某一特定對象物的圖案位于圖像的什么地方，進而識別對象物，這就是一個匹配問題。
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，主要表現在它只能進行平行移動，若原圖像中的匹配目標發生旋轉或大小變化，該算法無效。
模板匹配就是在整個圖像區域發現與給定子圖像匹配的小塊區域[/code]
工作原理：在待檢測圖像上，從左到右，從上向下計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。
代碼實現：
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算出來的值，每個像素點都對應一個值
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
else:
tl = max_loc
br = (tl[0]+tw,tl[1]+th) #右下點
cv.rectangle(target,tl,br,(0,0,255),2) #畫矩形
cv.imshow("match-%s"%md,target)
src = cv.imread("./1.png") #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE) #創建GUI窗口,形式為自適應
cv.imshow("input image",src) #通過名字將圖像和窗口聯系
template_demo()
cv.waitKey(0) #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows() #銷毀所有窗口
補充：
1.幾種常見的模板匹配算法
①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是標準平方差匹配。利用平方差來進行匹配,最好匹配為0.匹配越差,匹配值越大。
②TM_CCORR是相關性匹配；TM_CCORR_NORMED是標準相關性匹配。采用模板和圖像間的乘法操作,數越大表示匹配程度較高, 0表示最壞的匹配效果。
③TM_CCOEFF是相關性系數匹配；TM_CCOEFF_NORMED是標準相關性系數匹配。將模版對其均值的相對值與圖像對其均值的相關值進行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒有任何相關性(隨機序列)。
總結：隨著從簡單的測量(平方差)到更復雜的測量(相關系數),我們可獲得越來越準確的匹配(同時也意味著越來越大的計算代價)。
相關性是越接近1越大越好
平方差是越小越好
所以TM_SQDIFF在使用時和其他的是有所區別的
2.result = cv.matchTemplate(target,tpl,md)
opencv的目標匹配函數為matchTemplate，函數原型為：matchTemplate(image, templ, method[, result[, mask]]) -> result
image參數表示待搜索源圖像，必須是8位整數或32位浮點。
templ參數表示模板圖像，必須不大于源圖像并具有相同的數據類型。
method參數表示計算匹配程度的方法。
result參數表示匹配結果圖像，必須是單通道32位浮點。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域位置圖像[/code]
3.min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
opencv的函數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minMaxLoc原型為：minMaxLoc(src[, mask]) -> minVal, maxVal, minLoc, maxLoc
src參數表示輸入單通道圖像。
mask參數表示用于選擇子數組的可選掩碼。
minVal參數表示返回的最小值，如果不需要，則使用NULL。
maxVal參數表示返回的最大值，如果不需要，則使用NULL。
minLoc參數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。
結合每種匹配算法，我們看看獲取的數值
result = cv.matchTemplate(target,tpl,md)
#獲取的是每種公式中計算出來的值，每個像素點都對應一個值
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標準平方差匹配 min_val 0.0 #標準差是越小為0代表匹配上了 max_val 0.22279763221740723 min_loc (108, 248) max_loc (3, 480) --------------1-------------- --------------3-------------- #TM_CCORR_NORMED標準相關性匹配 min_val 0.9228140115737915 max_val 1.0 #相關性是越接近1代表匹配上了 min_loc (9, 378) max_loc (108, 248) --------------3-------------- --------------5-------------- #TM_CCOEFF_NORMED標準相關性系數匹配 min_val -0.10706906020641327 max_val 1.0 #相關性越接近1越好 min_loc (186, 248) max_loc (108, 248) --------------5--------------
查看min_loc和max_loc關系
cv.line(target,min_loc,max_loc,(0,255,255),2)
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
