目标

在本章中,您将学习

  • 使用模板匹配在图像中查找对象
  • 你将看到以下功能:cv.matchTemplate(),cv.minMaxLoc()

理论

模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此,OpenCV带有一个函数cv.matchTemplate()。

它只是将模板图​​像滑动到输入图像上(就像在2D卷积中一样),然后在模板图像下比较模板和输入图像的拼图。

OpenCV中实现了几种比较方法。(您可以检查文档以了解更多详细信息)。它返回一个灰度图像,其中每个像素表示该像素的邻域与模板匹配的程度。

如果输入图像的大小为(WxH),而模板图像的大小为(wxh),则输出图像的大小将为(W-w 1,H-h 1)。得到结果后,可以使用cv.minMaxLoc()函数查找最大/最小值在哪。将其作为矩形的左上角,并以(w,h)作为矩形的宽度和高度。该矩形是您模板的区域。

注意

如果使用cv.TM_SQDIFF作为比较方法,则最小值提供最佳匹配。

OpenCV中的模板匹配

作为示例,我们将在梅西的照片中搜索他的脸。所以我创建了一个模板,如下所示:



我们将尝试所有比较方法,以便我们可以看到它们的结果如何:

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
img2 = img.copy()
template = cv.imread('template.jpg',0)
w, h = template.shape[::-1]
# 列表中所有的6种比较方法
methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
for meth in methods:
img = img2.copy()
method = eval(meth)
# 应用模板匹配
res = cv.matchTemplate(img,template,method)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
# 如果方法是TM_SQDIFF或TM_SQDIFF_NORMED,则取最小值
if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
top_left = min_loc
else:
top_left = max_loc
bottom_right = (top_left[0] w, top_left[1] h)
cv.rectangle(img,top_left, bottom_right, 255, 2)
plt.subplot(121),plt.imshow(res,cmap = 'gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img,cmap = 'gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth)
plt.show()

查看以下结果:

  • cv.TM_CCOEFF

  • cv.TM_CCOEFF_NORMED

  • cv.TM_CCORR

  • cv.TM_CCORR_NORMED

  • cv.TM_SQDIFF

  • cv.TM_SQDIFF_NORMED

您会看到,使用cv.TM_CCORR的结果并不理想。

多对象的模板匹配

在上一节中,我们在图像中搜索了梅西的脸,该脸在图像中仅出现一次。假设您正在搜索具有多次出现的对象,则cv.minMaxLoc()不会为您提供所有位置。在这种情况下,我们将使用阈值化。因此,在此示例中,我们将使用著名游戏Mario的屏幕截图,并在其中找到硬币。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img_rgb = cv.imread('mario.png')
img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template = cv.imread('mario_coin.png',0)
w, h = template.shape[::-1]
res = cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
cv.rectangle(img_rgb, pt, (pt[0] w, pt[1] h), (0,0,255), 2)
cv.imwrite('res.png',img_rgb)

结果:

欢迎关注磐创博客资源汇总站:

http://docs.panchuang.net/

欢迎关注PyTorch官方中文教程站:

http://pytorch.panchuang.net/

OpenCV中文官方文档:

http://woshicver.com/

最新文章

  1. matlab中数组创建方法
  2. Optimistic Concurrency VS. Pessimistic Concurrency Control
  3. ecshop /goods.php SQL Injection Vul
  4. android自定义控件(2)-拖拽实现开关切换
  5. python判断文件和文件夹是否存在
  6. freemarker 实现对URL的安全编码
  7. python生成器
  8. JS-005-常见下拉列表 Select 和 datalist
  9. openwrt(路由器)的源码地址
  10. 错误: 找不到或无法加载主类 scala.tools.nsc.MainGenericRunner
  11. linux 切换用户之后变成-bash-x.x$的解决方法
  12. 关于Get和Post
  13. Latex问题收集
  14. 【C语言】浅谈可变参数与printf函数
  15. 201521123019 《Java程序设计》第4周学习总结
  16. WPA/WPA2加密破解
  17. Windows Internals 笔记——CreateProcess
  18. zabbix 乱码问题
  19. Android美丽的对话框项目sweet-alert-dialog
  20. ASP.NET MVC 学习笔记-3.面向对象设计原则

热门文章

  1. bp(net core)+easyui+efcore实现仓储管理系统——入库管理之二(三十八)
  2. FPGA小白学习之路(5)clk为什么要用posedge,而不用negedge(转)
  3. 在WPF(core版本)中引用外部字体不可用问题说明
  4. typescript 02 数据类型
  5. Java 集合、数组排序
  6. c/s用户与服务器之间的传输
  7. 关于IT培训机构的个人看法
  8. 如何使用API提交转码任务?
  9. 关于javascript 的reduce方法
  10. element多层导航菜单