机器视觉学习-day17-模板匹配

原创

于 2025-08-31 17:43:47 发布 · 406 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#学习

本实验中主要讲解模板匹配的算法。

节点参数为threshhold，表示匹配阈值，不同的算法有不同的判断逻辑（此处元宇宙实验逻辑错乱）。

建议使用三种归一化算法，方便匹配阈值。

1 模板匹配

1.1 平方差匹配 TM_SQDIFF

使用模板图与目标图对应的像素值使用平方差公式来计算，其结果越小（最小值为0），代表匹配程度越高。

注意：模板匹配都不要需要边缘填充，直接从原点开始计算。

模板：1.jpg

import cv2
import numpy as np

if __name__ == '__main__':
    # 1. 图片输入
    path = '11.png'
    image_np = cv2.imread(path)

    # 2. 灰度化（原图）
    image_np_gray = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)

    # 3. 模板输入
    path = '12.jpg'
    template = cv2.imread(path)

    # 4. 灰度化（模板）
    template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

    # 5. 模板匹配
    # 获得模板宽高
    h = template_gray.shape[0]
    w = template_gray.shape[1]
    print(h, w)

    # 模板匹配算法
    res = cv2.matchTemplate(
        image_np_gray,  # 原始图像
        template_gray,  # 模板
        cv2.TM_SQDIFF  # 平方差
    )
    print(res)

    # 找到最小值：完美五角星
    print(res.min())
    # 设定动态阈值
    threshold = res.min() * 33
    print(threshold)

    # 认为小于阈值的是匹配成功
    loc = np.where(res < threshold)
    print(loc)
    print(len(loc))

    # 6. 绘制轮廓
    for x, y in zip(loc[1], loc[0]):
        print('坐标：', (x, y))
        # 画框
        cv2.rectangle(
            img=image_np,
            pt1=(x, y),
            pt2=(x + w, y + h),