OpenCV笔记：模板匹配 cv2.matchTemplate()、cv2.minMaxLoc() 与 绘制矩形 cv2.rectangle() 方法介绍 |
您所在的位置：网站首页 › opencv归一化图像 › OpenCV笔记：模板匹配 cv2.matchTemplate()、cv2.minMaxLoc() 与 绘制矩形 cv2.rectangle() 方法介绍 |
OpenCV笔记：模板匹配 cv2.matchTemplate()、cv2.minMaxLoc() 与 绘制矩形 cv2.rectangle() 方法介绍
|
模板匹配是用来在一副大图中搜寻查找模版图像位置的方法。绘制矩形是用来将模版图像的匹配结果展示出来的方法。 模板匹配实现简单（2~3行代码），计算效率高，不需要执行阈值化、边缘检测等操作来生成二值化图像。但是：如果输入图像中存在变化的因素，包括旋转、缩放、视角变化等，模板匹配很容易就会失效。除非：旋转、缩放、视角变化恒定的情况下，模板匹配也可以完美发挥作用。 如果你的输入图像中包含这些类型的变化因素，那么你不应使用模板匹配，而应该使用专用的对象检测器，包括：HOG + 线性 SVM，Faster R-CNN，SSD，YOLO 等。 你可能需要的文章： 关于：Python基础，爬虫，常见异常和面试【篇】（专题汇总） 正文OpenCV 为我们提供了函数： cv2.matchTemplate() 用于实现模板匹配，并使用 cv2.minMaxLoc() 计算匹配结果，最后通过 cv2.rectangle() 绘制矩形展示匹配结果。 一、方法介绍 1. cv2.matchTemplate()1.1 作用 模板匹配是在一幅图像中寻找一个特定目标的方法，这种方法的原理非常简单：依次遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。
1.2 使用方法 res = cv2.matchTemplate(image, templ, method, result=None, mask=None) image：输入一个待匹配的图像，支持8U或者32F；templ：输入一个模板图像，需与image相同类型；method：要使用的数据匹配算法。result：输出保存结果的矩阵，32F类型；1.3 匹配算法 OpenCV提供了6种模板匹配算法。 method名称含义TM_SQDIFF平方差匹配计算模板与目标图像的方差，由于是像素值差值的平方的和，所以值越小匹配程度越高。 TM_CCORR 相关匹配该方法采用乘法操作；数值越大表名匹配程度越好。TM_CCOEFF 相关系数匹配计算相关系数，1表示完美匹配；-1表示最差匹配。TM_SQDIFF_NORMED 归一化平方差匹配计算归一化平方差，计算出来的值越接近0，越相关。TM_CCORR_NORMED 归一化相关匹配计算归一化相关性，计算出来的值越接近1，越相关。TM_CCOEFF_NORMED 归一化相关系数匹配计算归一化相关系数，计算出来的值越接近1，越相关。下面是匹配算法的公式，额，别问我这些公式什么意思，我也不懂，官网上扒下来的，看看就好。
2.1 作用 根据 cv2.matchTemplate() 的匹配结果，返回图形坐标结果。 2.2 使用方法 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret) ret：是 cv2.matchTemplate() 返回的矩阵；min_val：最小值；max_val：最大值；min_loc：最小值对应的图像中的位置；max_loc：最大值对应的图像中的位置； 3. cv2.rectangle()3.1 作用 绘制矩形：在图片 img 上画长方形，坐标原点是图片左上角，向右为x轴正方向，向下为y轴正方向。 3.2 使用方法 cv2.rectangle(img, pt1, pt2, color, thickness, lineType, shift ) img：底图；pt1：矩形的左上角坐标；pt2：矩形的右下角坐标；color：线条的颜色，BGR；thickness：线的粗细，数值越大线越粗； 二、实战操作 1. 图片准备待匹配图片 image（博客首页的图），模板图片 templ 如下：
完美匹配到了，下面的蓝色方框可不是我画的，是程序画的哈。
|
【本文地址】