OpenCV中模板匹配的示例分析

這篇文章主要介紹OpenCV中模板匹配的示例分析，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

/ 01 / 模板匹配

模板匹配，就是在整個圖像區域里發現與給定子圖像相匹配的小塊區域。

這里需要一個模板圖像(給定的子圖像)和一個待檢測的圖像(原圖像)。

在待檢測圖像上，從左向右，從上向下計算模板圖像與重疊子圖像的匹配度，匹配度越大，兩者相同的可能性越大。

這里主要涉及OpenCV的cv2.matchTemplate()和cv2.minMaxLoc()函數。

第一個函數作用是在模板和輸入圖像之間尋找匹配，獲得匹配結果圖像。

第二個函數的作用則是在給定的矩陣中尋找最大和最小值(包括它們的位置)。

其中模板匹配算法有以下六種。

# 第一類,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
# 平方差匹配
method=CV_TM_SQDIFF
# 標準平方差匹配
method=CV_TM_SQDIFF_NORMED
# 第二類,采用模板和圖像間的乘法操作,所以較大的數表示匹配程度較高,0標識最壞的匹配效果
# 相關匹配
method=CV_TM_CCORR
# 標準相關匹配
method=CV_TM_CCORR_NORMED
# 第三類,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)
# 相關系數匹配
method=CV_TM_CCOEFF
# 標準相關系數匹配
method=CV_TM_CCOEFF_NORMED

標準化意味著將數值統一到0~1。

除了平方差類型的是值越小越好，其他的都是值越大越好。

/ 02 / 圖像檢索

首先來看一下兩張圖像，都為灰度圖。

import cv2
# 讀取待檢測圖像
img = cv2.imread('game.png', 0)
# 讀取模板圖像
temple = cv2.imread('temple.png', 0)
# 顯示灰度處理后的待檢測圖像
cv2.namedWindow('sample', 0)
cv2.resizeWindow('sample', 400, 600)
cv2.imshow('sample', img)
# 顯示灰度處理后的模板圖像
cv2.namedWindow('target', 0)
cv2.resizeWindow('target', 400, 600)
cv2.imshow('target', temple)

輸出結果如下。

第一張為模板圖像，第二張為待檢測圖像。

下面使用OpenCV的兩個函數，來實現模板匹配。

# 獲取模板圖像的高和寬
th, tw = temple.shape[:2]
print(th, tw)
# 使用標準相關系數匹配,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
result = cv2.matchTemplate(img, temple, cv2.TM_CCOEFF_NORMED)
# result為匹配結果矩陣
# print(result)
# TM_CCOEFF_NORMED方法處理后的結果圖像
cv2.namedWindow('match_r', 0)
cv2.resizeWindow('match_r', 400, 600)
# 顯示窗口
cv2.imshow('match_r', result)
# 使用函數minMaxLoc,確定匹配結果矩陣的最大值和最小值(val)，以及它們的位置(loc)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
# 此處選取最大值的位置,為圖像的左上角
tl = max_loc
# 獲取圖像的右下角
br = (tl[0]+tw, tl[1]+th)
# 繪制矩形框
cv2.rectangle(img, tl, br, (0, 0, 255), 2)
# 設置顯示窗口
cv2.namedWindow('match', 0)
cv2.resizeWindow('match', 400, 600)
# 顯示窗口
cv2.imshow('match', img)
# 結束
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下。

第一張圖中最白的位置，即代表著最高的匹配。

第二張圖中，矩形框則代表著匹配到的結果。

通過矩形框的位置參數，結合模板圖像的大小，便可得到小跳棋中心點位置(底部)。

以上是“OpenCV中模板匹配的示例分析”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！