您好,登录后才能下订单哦!
今天小编给大家分享一下Python OpenCV怎么实现图像模板匹配的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。
提供一个模板图像,一个目标图像,且满足模板图像是目标图像的一部分,从目标图像中寻找特定的模板图像的过程,即为模板匹配。OpenCV提供了matchTemplate()方法帮助我们实现模板匹配。
该方法语法如下:
cv2.matchTemplate(image, templ, method, result=None, mask=None)
其中
image 即目标图像
templ 即模板图像
method 是匹配的方式
mask 即掩模,可选。只有当method为cv2.TM_SQDIFF或cv2.TM_CCORR_NORMED时才支持此参数。
method参数可以是以下值:
参数值 | 描述 |
---|---|
cv2.TM_SQDIFF | 差值平方和匹配,也称平方差匹配。可以理解为是基于差异程度的匹配,差异程度越小,匹配程度越高。完全匹配时值差值平方和为0。 |
cv2.TM_SQDIFF_NORMED | 相关匹配。 可以理解为是基于相似程度的匹配,相似程度越高,计算结果越大,匹配程度就越高。 |
cv2.TM_CCORR | 标准相关匹配。 规则同上。 |
cv2.TM_CCORR_NORMED | 相关系数匹配 |
cv2.TM_CCOEFF | 相关系数匹配。也是基于相似程度的匹配,计算结果是一个-1到1的浮点数,1表示完全匹配,0表示毫无关系,-1表示两张图片亮度刚好相反。 |
cv2.TM_CCOEFF_NORMED | 标准相关系数匹配,规则同上。 |
使用matchTemplate()方法,模板会将图像中的每一块区域都覆盖一遍,并每次都使用所选的method方法进行计算,每次的计算结果最后以一个二维数组的形式返回给我们。
为方便展示,特准备以下图片素材:
选择世界名画《三英战吕布》(test.png),图像shape为(738, 675, 3):
从中抠出一部分图像元素作为下边要用的模板素材。取材代码如下( 不建议截图,截图抠出来的不一定能保证尺寸):
import cv2 img = cv2.imread("test.png") print(img.shape) # 电灯 img1 = img[20:220, 320:480, :] # 虎牢关牌匾 img2 = img[75:150, 200:310, :] # 青龙刀 img3 = img[170:530, 575:650, :] # 关云长 img4 = img[270:670, 160:330, :] cv2.imshow("img0", img) cv2.imshow("img1", img1) cv2.imshow("img2", img2) cv2.imshow("img3", img3) cv2.imshow("img4", img4) cv2.waitKey() cv2.destroyAllWindows() cv2.imwrite('template_pic1.jpg', img1) cv2.imwrite('template_pic2.jpg', img2) cv2.imwrite('template_pic3.jpg', img3) cv2.imwrite('template_pic4.jpg', img4)
取出的模板素材如下:
电灯
虎牢关牌匾
青龙刀
关云长
单模板匹配,即在匹配时中只使用到一个模板的匹配过程。具体又可以分为单目标匹配和多目标匹配。
单目标匹配,即模板在目标图像中只匹配 匹配程度最高的一个匹配结果。
这需要找出这一次匹配结果所在位置的坐标来确定其位置,
OpenCV提供了cv2.minMAXLoc()来实现。
该方法参数为matchTemplate()的返回值,会返回一个元组,元组中有四个值,分别是最小值、最大值、最小值时图像左上角顶点坐标,最大值时图像左上角顶点坐标。
接下来,使用 电灯(template_pic1) 图片来匹配原图,并用红色的矩形在原图像中圈出模板图像,使用标准差值平方和的匹配方式,代码如下:
import cv2 img = cv2.imread("test.png") templ = cv2.imread("template_pic1.jpg") height, width, c = templ.shape results = cv2.matchTemplate(img, templ, cv2.TM_SQDIFF_NORMED) # 获取匹配结果中的最小值、最大值、最小值坐标和最大值坐标 minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(results) resultPoint1 = minLoc resultPoint2 = (resultPoint1[0] + width, resultPoint1[1] + height) cv2.rectangle(img, resultPoint1, resultPoint2, (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
如图所示,成功标出了模板图。
如果要从多幅图像中,找出与模板最匹配的结果,
以标准差值平方和的匹配方式为例,
则可以对这些图像进行遍历,并比较每幅图像对应结果中的最小值,找出最小值中的最小值,则为最佳匹配项。
以两幅图像为例,将原图翻转一次,生成一张新的图像(翻转后结果与原图较像,但差异巨大)
翻转产生素材(test1.png)
import cv2 img = cv2.imread("test.png") dst1 = cv2.flip(img, 1) cv2.imshow("dst1", dst1) cv2.waitKey() cv2.destroyAllWindows() cv2.imwrite('test1.png', dst1)
然后使用模板 关云长 (template_pic4.jpg)对两幅图像进行匹配,输出最佳匹配结果,并画红框展示:
import cv2 image = [] image.append(cv2.imread("test.png")) image.append(cv2.imread("test1.png")) templ = cv2.imread("template_pic4.jpg") height, width, c = templ.shape # 循环变量初始化 # 这里只是随便设定一个值,该值并无意义,只是为了定义该变量 # 使用TM_SQDIFF_NORMED计算方法,计算出的结果通常是小于1的,所以minValue可以设置为1。如果是TM_SQDIFF计算方法,则就不行了,计算出来的值会很大。代码就不再有效,需要把minMax设得更大,或者做其他修改。 index = -1 minValue = 1 minLoc1 = (0, 0) # 遍历每幅图像 for i in range(0, len(image)): results = cv2.matchTemplate(image[i], templ, cv2.TM_SQDIFF_NORMED) min = cv2.minMaxLoc(results)[0] if min < minValue: minValue = min minLoc1 = cv2.minMaxLoc(results)[2] index = i minLoc2 = (minLoc1[0] + width, minLoc1[1] + height) cv2.rectangle(image[index], minLoc1, minLoc2, (0, 0, 255), 2) cv2.imshow("result", image[index]) cv2.waitKey() cv2.destroyAllWindows()
如图,test.png中的关云长与模板更为匹配。
多目标匹配,即在目标图像中匹配出所有与模板图像匹配的结果。可以使用相关匹配或相关系数匹配。
素材准备
还以原图像"test.png"为参照,
为了产生方便我们做示例的图像,我们在该图像的基础上多加一盏电灯,生成"test2.png"
import cv2 img = cv2.imread("test.png") templ = cv2.imread("template_pic1.jpg") img[20:220, 30:190, :] = templ cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows() cv2.imwrite('test2.png', img)
多目标匹配
多目标匹配即对matchTemplate()匹配的总的结果,的计算情况数据,使用for循环遍历,并设定一个判断标准。
如使用标准相关系数(cv2.TM_CCOEFF_NORMED)的方法判断,如:如果计算值大于0.99,则我们认为匹配成功了。
使用电灯模板"template_pic1.jpg",匹配图像test2.png。并对匹配的结果用红色的矩形框标记。
代码示例如下:
import cv2 img = cv2.imread("test2.png") templ = cv2.imread("template_pic1.jpg") height, width, c = templ.shape # 按照标准相关系数匹配 results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED) for y in range(len(results)): for x in range(len(results[y])): if results[y][x] > 0.99: cv2.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
程序执行结果如下,成功匹配出了两盏灯。
多模板匹配,即进行了n次单模板的匹配过程。 
直接上示例:
在test.png中匹配电灯、青龙刀、虎牢关牌匾、关云长四个图像模板:
import cv2 def myMatchTemplate(img, templ): height, width, c = templ.shape results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED) loc = list() for i in range(len(results)): for j in range(len(results[i])): if results[i][j] > 0.99: loc.append((j, i, j + width, i + height)) return loc # 读取原始图像 img = cv2.imread("test.png") # 模板列表 templs = list() templs.append(cv2.imread("template_pic1.jpg")) templs.append(cv2.imread("template_pic2.jpg")) templs.append(cv2.imread("template_pic3.jpg")) templs.append(cv2.imread("template_pic4.jpg")) loc = list() for t in templs: loc += myMatchTemplate(img, t) # 遍历所有红框的坐标 for i in loc: cv2.rectangle(img, (i[0], i[1]), (i[2], i[3]), (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
匹配效果如下:
以上就是“Python OpenCV怎么实现图像模板匹配”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请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。