09- OpenCV模板匹配 (OpenCV系列) (机器视觉)

原创

已于 2023-02-24 16:08:12 修改 · 970 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #opencv #计算机视觉 #人工智能 #图像处理

于 2023-01-08 19:13:22 首次发布

文章介绍了OpenCV库中用于图像处理的模板匹配技术，包括TM_SQDIFF等六种比较方法，并提供了匹配示例代码。同时，文章也详细讲解了Otsu算法（大津算法）在图像二值化中的应用，特别是如何自动寻找最优阈值进行背景和前景分割。

知识要点

模板匹配: res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# 画出匹配位置
cv2.rectangle(img, min_loc, (min_loc[0] + 85, min_loc[1] + 110), (0, 0, 255), 2)

模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1) .
- TM_SQDIFF：计算平方不同，计算出来的值越小，越相关
- TM_CCORR：计算相关性，计算出来的值越大，越相关
- TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
- TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关
- TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
- TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关