Opencv模板匹配

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)


这里numpy的切片操作我不知道为啥要切一下，感觉多此一举。。。

模板匹配函数的方法公式：

---

模板匹配函数属性：

模板以滑动窗口的形式匹配每一个位置。

minMaxLoc分析匹配结果

匹配的结果用minMaxLoc分析,返回最小值，最大值，最小值坐标位置，最大值坐标位置。

因此我们找小值和小值的位置（最小值位置是左上角的点）
配合模板的长宽就可以取得所选区域。

不同模板函数对比

for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    print (method)
   
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # 画矩形
    cv2.rectangle(img2, top_left, bottom_right, 255, 2)

    plt.subplot(121), plt.imshow(res, cmap='gray')
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
    plt.subplot(122), plt.imshow(img2, cmap='gray')
    plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    plt.show()

建议使用归一化的函数

多模板匹配（匹配多个对象）

img_rgb = cv2.imread('mario.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐标
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):  # *号表示可选参数
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)

cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)

loc = np.where(res >= threshold)
大于指定阈值的区域都选出来（完成了多模板匹配）
之前是只选最大或者最小的（单模板）

模板图像为：

匹配的结果为：

numpy的切片

一般结构如num[a:b,c:d]，分析时以逗号为分隔符。

1. 逗号之前为要取的num行的下标范围(a到b-1)
2. 逗号之后为要取的num列的下标范围(c到d-1)；
3. 如果是这种num[:b,c:d]，a的值未指定，那么a为最小值0
4. 如果是这种num[a:,c:d]，b的值未指定，那么b为最大值；c、d的情况同理可得。
5. 如果遇到num[a:b,None]，表示该维不进行切片，而是将该维整体作为数组元素处理