《OpenCV计算机视觉》—— 模板匹配

一、模板匹配简单介绍

• 在Python中，模板匹配是一种在图像中查找与给定模板最相似区域的技术。

• 模板匹配的基本步骤包括：

  • 1.加载图像和模板：首先，你需要加载你想要搜索的图像（通常称为“原图”）和你想要匹配的模板图像。模板图像应该是原图中的一个较小部分。
  • 2.执行模板匹配：使用OpenCV的cv2.matchTemplate()函数在原图上滑动模板，并计算每个位置的匹配度。这个函数会返回一个矩阵，其中每个元素表示模板在原图对应位置上的匹配程度。
  • 3.查找最佳匹配：使用cv2.minMaxLoc()函数在匹配度矩阵中找到最大值（或最小值，取决于你使用的匹配方法）及其位置。这个位置就是模板在原图中最佳匹配的位置。
  • 4.在原图上绘制匹配区域：为了可视化结果，你可以在原图上绘制一个矩形来标记匹配到的区域。

二、三个主要函数的介绍

1.执行模板匹配函数-cv2.matchTemplate()

• result = cv2.matchTemplate(image, template, method, mask=None)
• 参数说明：
  • image：要在其中搜索模板的原图像。
  • template：要在原图中搜索的模板图像。它应该比原图小。
  • method:用于比较模板和原图的区域的匹配方法，OpenCV 提供了几种不同的方法:
    • 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。
• 返回值 result 是一个矩阵，其大小取决于原图和模板的大小以及使用的匹配方法。矩阵中的每个元素都表示模板在原图对应位置上的匹配程度。对于某些方法（如平方差匹配），值越小表示匹配程度越高；而对于其他方法&#x