什么是模版匹配？

• 模板匹配是在一幅图像中寻找与另一幅模板图像最匹配部分的技术。OpenCV 提供了多种模板匹配的方法，它在目标检测、物体识别等众多计算机视觉任务中有广泛的应用。
• 例如，你有一张包含多个物体的大图像，并且有一个小的物体图像作为模板，通过模板匹配可以找到大图像中与小模板图像相似的物体所在位置。

函数介绍

• 在 OpenCV 中，模板匹配主要使用cv2.matchTemplate()函数。其基本语法如下：

result = cv2.matchTemplate(image, templ, method)

• image：是要在其中进行搜索的输入图像，它应该是 8 位或 32 位浮点数类型的图像。
• templ：是模板图像，其大小应该小于输入图像，并且数据类型和输入图像相同。
• method：是匹配方法，OpenCV 提供了多种匹配方法，如cv2.TM_SQDIFF（平方差匹配法，计算差值的平方，值越小匹配越好）、cv2.TM_CCORR（相关性匹配法，值越大匹配越好）、cv2.TM_CCOEFF（相关系数匹配法，值越大匹配越好，1 表示完美匹配， - 1 表示最差匹配）等。
  • TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；匹配越好，值越小；匹配越差，值越大。
  • TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
  • TM_CCOEFF 相关系数匹配法：数值越大表明匹配程度越好。
  • TM_SQDIFF_NORMED 归一化平方差匹配法，匹配越好，值越小；匹配越差，值越大。
  • TM_CCORR_NORMED 归一化相关匹配法，数值越大表明匹配程度越好。
  • TM_CCOEFF_NORMED 归一化相关系数匹配法，数值越大表明匹配程度越好。

实例

kele = cv2.imread('kele.png')
template = cv2.imread('template.png')
cv2.imshow('kele',kele)
cv2.imshow('template',template)
cv2.waitKey(0)h, w = template.shape[:2]
res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED)   #返回匹配结果的矩阵,其中每个元素表示该位置与模板的匹配程度
# cv2.minMaxLoc可以获取矩阵中的最小值和最大值，以及最小值的索引号和最大值的索引号
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)  # 最小值、最大值、最小值位置、最大值位置
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
kele_template = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2)  # 绘制矩形cv2.imshow('kele_template', kele_template)
cv2.waitKey(0)

原图：

标签：

识别结果：