(ง •_•)ง[Python3 OpenCV4]16.模板匹配

模板匹配

尋找狗鼻子

這是鼻子

這是狗臉

import cv2
import numpy as np

img = cv2.imread('doge.jpg', 0)
template = cv2.imread('doge_nose.png', 0)
h, w = template.shape[:2]  # rows->h, cols->w


# 相關係數匹配方法：cv2.TM_CCOEFF
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

left_top = max_loc  # 左上角
right_bottom = (left_top[0] + w, left_top[1] + h)  # 右下角

cv2.rectangle(img, left_top, right_bottom, 255, 2)  # 畫出矩形位置
cv2.imshow("img",img)
cv2.waitKey(0)

成功找到狗鼻子

原理

模板匹配的原理其實很簡單，就是不斷地在原圖中移動模板圖像去比較，有6種不同的比較方法，詳情可參考：TemplateMatchModes

• 平方差匹配CV_TM_SQDIFF：用兩者的平方差來匹配，最好的匹配值爲0
• 歸一化平方差匹配CV_TM_SQDIFF_NORMED
• 相關匹配CV_TM_CCORR：用兩者的乘積匹配，數值越大表明匹配程度越好
• 歸一化相關匹配CV_TM_CCORR_NORMED
• 相關係數匹配CV_TM_CCOEFF：用兩者的相關係數匹配，1表示完美的匹配，-1表示最差的匹配
• 歸一化相關係數匹配CV_TM_CCOEFF_NORMED

歸一化的意思就是將值統一到0~1，這些方法的對比代碼可到源碼處查看。模板匹配也是應用卷積來實現的：假設原圖大小爲W×H，模板圖大小爲w×h，那麼生成圖大小是(W-w+1)×(H-h+1)，生成圖中的每個像素值表示原圖與模板的匹配程度。

匹配多個物體

找到馬里奧的金幣

在這個圖中查找

import cv2
import numpy as np

# 1.讀入原圖和模板
img_rgb = cv2.imread('maliao.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('coin.png', 0)
h, w = template.shape[:2]


# 2.標準相關模板匹配
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8 

# 3.這邊是Python/Numpy的知識，後面解釋
loc = np.where(res >= threshold)  # 匹配程度大於%80的座標y,x
for pt in zip(*loc[::-1]):  # *號表示可選參數
    right_bottom = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, right_bottom, (0, 0, 255), 2)

cv2.imshow("img_rgb",img_rgb)
cv2.waitKey(0)