模板匹配

目标

在本章中，您将学习

• 使用模板匹配在图像中查找对象
• 您将看到这些函数：cv.matchTemplate()，cv.minMaxLoc()

理论

模板匹配是一种在大图像中搜索和查找模板图像位置的方法。 OpenCV为此目的提供了一个函数cv.matchTemplate()。 它只是将模板图像在输入图像上滑动（如在2D卷积中），并比较模板图像下的模板和输入图像的patch。 OpenCV中实现了几种比较方法。（您可以查看文档以获取更多详细信息）。 它返回一个灰度图像，其中每个像素表示该像素的邻域与模板的匹配程度。

如果输入图像的大小为（WxH），模板图像的大小为（wxh），则输出图像的大小将为（W-w + 1，H-h + 1）。 获得结果后，可以使用cv.minMaxLoc()函数找到最大/最小值的位置。 将其作为矩形的左上角，并将（w，h）作为矩形的宽度和高度。 该矩形是您的模板区域。

注意

如果您使用cv.TM_SQDIFF作为比较方法，则最小值给出最佳匹配。

OpenCV中的模板匹配

在这里，作为一个例子，我们将在他的照片中搜索梅西的脸。 所以我创建了如下模板

image

我们将尝试所有比较方法，以便我们可以看到它们的结果如何

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
 
img = cv.imread('messi5.jpg', cv.IMREAD_GRAYSCALE)
assert img is not None, "file could not be read, check with os.path.exists()"
img2 = img.copy()
template = cv.imread('template.jpg', cv.IMREAD_GRAYSCALE)
assert template is not None, "file could not be read, check with os.path.exists()"
w, h = template.shape[::-1]
 
# 所有6种比较方法在一个列表中
methods = ['TM_CCOEFF', 'TM_CCOEFF_NORMED', 'TM_CCORR',
            'TM_CCORR_NORMED', 'TM_SQDIFF', 'TM_SQDIFF_NORMED']
 
for meth in methods
img = img2.copy()
method = getattr(cv, meth)
 
    # 应用模板匹配
res = cv.matchTemplate(img,template,method)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
 
    # 如果方法是TM_SQDIFF或TM_SQDIFF_NORMED，则取最小值
    if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]
top_left = min_loc
    else:
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
 
    cv.rectangle(img,top_left, bottom_right, 255, 2)
 
plt.subplot(121),plt.imshow(res,cmap = 'gray')
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img,cmap = 'gray')
plt.title('检测到的点'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth)
 
plt.show()

查看下面的结果

• cv.TM_CCOEFF

image

• cv.TM_CCOEFF_NORMED

image

• cv.TM_CCORR

image

• cv.TM_CCORR_NORMED

image

• cv.TM_SQDIFF

image

• cv.TM_SQDIFF_NORMED

image

您可以看到使用cv.TM_CCORR的结果不如我们预期的好。

多对象的模板匹配

在上一节中，我们搜索了图像中梅西的脸，它在图像中只出现一次。 假设您正在搜索一个具有多个匹配项的对象，cv.minMaxLoc()不会给您所有位置。 在这种情况下，我们将使用阈值。 因此，在本示例中，我们将使用著名游戏马里奥的屏幕截图，我们将在其中找到金币。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
 
img_rgb = cv.imread('mario.png')
assert img_rgb is not None, "file could not be read, check with os.path.exists()"
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.png', cv.IMREAD_GRAYSCALE)
assert template is not None, "file could not be read, check with os.path.exists()"
w, h = template.shape[::-1]
 
res = cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1])
    cv.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
 
cv.imwrite('res.png',img_rgb)

结果

image