目錄

一、基礎理論

1、作用與過程

2、原理

3、函數matchTemplate

二、代碼

三、效果

參考資料

---

一、基礎理論

1、作用與過程

????????所謂的模板匹配，就是在給定的圖片中查找和模板最相似的區域，該算法的輸入包括模板和圖片，整個任務的思路就是：按照滑窗的思路不斷的移動模板圖片，計算其與圖像中對應區域的匹配度，最終將匹配度最高的區域選擇為最終的結果。

2、原理

如果輸入圖像的大小為(WxH)，而模板圖像的大小為(wxh)，則輸出圖像的大小將為(W-w + 1，H-h + 1)。得到結果后，可以使用cv.minMaxLoc()函數查找最大/最小值在哪，將其作為矩形的左上角，并以(w，h)作為矩形的寬度和高度。該矩形是您模板的區域。

3、函數matchTemplate

cv2.matchTemplate(image, templ, method, result=None, mask=None)

image: 輸入圖像
templ: 輸入模板
method: 方法
????????TM_SQDIFF: 計算平方差, 計算出來的值越小, 越相關
????????TM_CCORR: 計算相關性, 計算出來的值越大, 越相關
????????TM_CCOEFF: 計算相關系數, 計算出來的值越大, 越相關
????????TM_SQDIFF_NORMED: 計算歸一化平方不同, 計算出來的值越接近 0, 越相關
????????TM_CCORR_NORMED: 計算歸一化相關性, 計算出來的值越接近 1, 越相關
????????TM_CCOEFF_NORMED: 計算歸一化系數, 計算出來的值越接近 1, 越相關

二、代碼

#模板匹配
import cv2
import os# 1、讀取圖片 并轉化為灰度圖（不可以用彩圖匹配）
img = cv2.imread("Resource/test11.jpg")# 2、讀取模板
template = cv2.imread("Resource/template.jpg")
w, h, c = template.shape        #獲得模板長寬# 3、模板匹配
rectangle = cv2.matchTemplate(img, template, cv2.TM_CCOEFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(rectangle)
#最小值    最大值   最小值坐標  最大值坐標# 4、獲取匹配模塊的左上角和右下角
top_left = max_loc                              #左上角
bottom_right = (top_left[0]+w, top_left[1]+h)   #右下角# 5、畫矩形并顯示
cv2.rectangle(img, top_left, bottom_right, (0,0,255), 2)
cv2.imshow("matching", img)cv2.waitKey(0)
cv2.destroyAllWindows()

三、效果

原圖??? ? ? ?模板：?

匹配結果：

??

拓展∶模板匹配不適用于尺度變換、視角變換后的圖像，這時我們就要使用關鍵點匹配算法，比較經典的關鍵點檢測算法包括SIFT和SURF等，主要的思路是首先通過關鍵點檢測算法獲取模板和測試圖片中的關鍵點﹔然后使用關鍵點匹配算法處理即可，這些關鍵點可以很好的處理尺度變化、視角變換、旋轉變化、光照變化等，具有很好的不變性。

參考資料

https://iamarookie.blog.csdn.net/article/details/119096602

https://www.bilibili.com/video/BV1Fo4y1d7JL?p=39&spm_id_from=pageDriver

總結

以上是生活随笔為你收集整理的OpenCV（二十）模板匹配的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。