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)