Python-OpenCV 笔记9 -- 模板匹配

本文详细介绍了使用Python和OpenCV进行模板匹配的方法,包括matchTemplate()函数的使用,以及如何通过不同匹配方法如平方差匹配法和归一化相关匹配法来定位图像中的特定模板。通过示例代码展示了如何实现模板匹配并高亮显示匹配位置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Python-OpenCV 笔记9 – 模板匹配


1、模板匹配:matchTemplate()

函数原型:

matchTemplate(image, templ, method[, result[, mask]])

参数:

  • image:待搜索图像,数据类型必须是8位或32位浮点数
  • templ:搜索模板,它必须不大于待搜索图像并具有相同的数据类型
  • method:匹配的方法
    • cv2.TM_SQDIFF:平方差匹配法,结果值越小越匹配
    • cv2.TM_SQDIFF_NORMED:归一化平方差匹配法,结果值在 [0, 1],越小越匹配
    • cv2.TM_CCOPP:相关匹配法
    • cv2.TM_CCOPP_NORMED:归一化相关匹配法 在这里插入图片描述
  • result:存放结果的图像,必须为单通道32位浮点数类型
  • mask:搜索模板的掩码图,它必须与 templ 具有相同的数据类型和大小,默认不设置。目前仅支持 TM_SQDIFF和 TM_CCORR_NORMED 方法

返回:
每个像素点(对应模板的左上角点)进行一次匹配,待搜索图大小:W×H 模板大小:w×h,结果图大小: (W−w+1)×(H−h+1)


2、示例

import cv2
import numpy as np

# 读取待搜索图
src_img = cv2.imread('src.jpg', 0)
template_img = cv2.imread('templ.jpg', 0)
w, h = template_img.shape[::-1]
res = cv2.matchTemplate(src_img, template_img, cv2.TM_CCOEFF_NORMED)
threshold = 0.7
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
	cv2.rectangle(src_img, pt, (pt[0] + w, pt[1] + h), 255, 2)   
cv2.imshow('match', src_img)
cv2.waitKey()
cv2.destroyAllWindows()

GOOD LUCK!


### OpenCV模板匹配学习教程与示例代码 #### 基本概念 OpenCV模板匹配是一种用于在目标图像中查找指定子图像位置的技术。它通过比较模板图像和目标图像之间的相似度来定位最佳匹配区域[^1]。 以下是基于 C++ 和 Python 的两种实现方式: --- #### 示例代码 (C++) 以下是一个简单的 C++ 实现,展示如何使用 OpenCV 进行模板匹配以识别彩色图片中的黑桃♠符号: ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载原始图像和模板图像 cv::Mat img = cv::imread("source_image.jpg"); cv::Mat templ = cv::imread("spade_template.jpg"); if (img.empty() || templ.empty()) { std::cout << "无法加载图像!" << std::endl; return -1; } // 创建结果矩阵 cv::Mat result; int result_cols = img.cols - templ.cols + 1; int result_rows = img.rows - templ.rows + 1; result.create(result_rows, result_cols, CV_32FC1); // 执行模板匹配 matchTemplate(img, templ, result, cv::TM_CCOEFF_NORMED); double minVal, maxVal; cv::Point minLoc, maxLoc; cv::minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, cv::Mat()); // 绘制矩形框标记匹配区域 cv::rectangle(img, maxLoc, cv::Point(maxLoc.x + templ.cols, maxLoc.y + templ.rows), cv::Scalar(0, 255, 0), 2); // 显示结果 cv::imshow("Source Image", img); cv::imshow("Result", result); cv::waitKey(0); return 0; } ``` 此代码展示了如何读取两张图像并执行 `matchTemplate` 函数来进行模板匹配操作。 --- #### 示例代码 (Python) 对于更广泛的开发者群体来说,Python 是一种更为友好的编程语言。下面是等效的 Python 版本代码: ```python import cv2 import numpy as np # 加载原始图像和模板图像 img = cv2.imread(&#39;source_image.jpg&#39;) templ = cv2.imread(&#39;spade_template.jpg&#39;) if img is None or templ is None: print("无法加载图像!") else: # 获取模板尺寸 th, tw = templ.shape[:2] # 执行模板匹配 result = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED) # 寻找最大值的位置 _, max_val, _, max_loc = cv2.minMaxLoc(result) # 在原图上绘制矩形框 top_left = max_loc bottom_right = (top_left[0] + tw, top_left[1] + th) cv2.rectangle(img, top_left, bottom_right, (0, 255, 0), 2) # 展示结果 cv2.imshow(&#39;Detected&#39;, img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码同样实现了模板匹配功能,并利用绿色矩形标注出了找到的目标区域。 --- #### 关键参数说明 - **cv::TM_CCOEFF_NORMED**: 表示标准化的相关系数法,是最常用的匹配方法之一。 - **result**: 存储了每个可能位置上的匹配得分。 - **cv::minMaxLoc**: 查找匹配分数的最大值及其对应坐标,从而确定最有可能的匹配位置[^2]。 --- #### 推荐学习资源 为了深入掌握 OpenCV 中的模板匹配技术,可以参考以下资源: 1. 官方文档:https://docs.opencv.org/ 2. 教程网站:https://pyimagesearch.com/ 3. 开源项目实例:GitHub 上有许多开源项目提供了丰富的实践案例。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值