您好,登录后才能下订单哦!
这篇文章主要为大家展示了“如何使用Python+OpenCV进行图像模板匹配(Match Template)”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“如何使用Python+OpenCV进行图像模板匹配(Match Template)”这篇文章吧。
首先导入所需库文件,numpy和cv2。
#导入所需库文件 import cv2 import numpy as np
然后加载原始图像和要搜索的图像模板。OpenCV对原始图像进行处理,创建一个灰度版本,在灰度图像里进行处理和查找匹配。然后使用相同的坐标在原始图像中进行还原并输出。
#加载原始RGB图像 img_rgb = cv2.imread("photo.jpg") #创建一个原始图像的灰度版本,所有操作在灰度版本中处理,然后在RGB图像中使用相同坐标还原 img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) #加载将要搜索的图像模板 template = cv2.imread('face.jpg',0) #记录图像模板的尺寸 w, h = template.shape[::-1]
这里我们分别输出并查看原始图像,原始图像的灰度版本,以及图像模板。
#查看三组图像(图像标签名称,文件名称) cv2.imshow('rgb',img_rgb) cv2.imshow('gray',img_gray) cv2.imshow('template',template) cv2.waitKey(0) cv2.destroyAllWindows()
使用matchTemplate在原始图像中查找并匹配图像模板中的内容,并设置阈值。
#使用matchTemplate对原始灰度图像和图像模板进行匹配 res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) #设定阈值 threshold = 0.7 #res大于70% loc = np.where( res >= threshold)
匹配完成后在原始图像中使用灰度图像的坐标对原始图像进行标记。
#使用灰度图像中的坐标对原始RGB图像进行标记 for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) #显示图像 cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows()
以下为完整代码:
def mathc_img(image,Target,value): import cv2 import numpy as np img_rgb = cv2.imread(image) img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) template = cv2.imread(Target,0) w, h = template.shape[::-1] res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) threshold = value loc = np.where( res >= threshold) for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows()
image=("photo.jpg") Target=('face.jpg') value=0.9 mathc_img(image,Target,value)
以上是“如何使用Python+OpenCV进行图像模板匹配(Match Template)”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注亿速云行业资讯频道!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。