1. 程式人生 > >opencv 影象模板匹配

opencv 影象模板匹配

目標
使用模板匹配在一幅影象中查詢目標
學習函式: cv2.matchTemplate(), cv2.minMaxLoc()
原理
  模板匹配是用來在一副大圖中搜尋查詢模版影象位置的方法。 OpenCV 提供了函式: cv2.matchTemplate()。和 2D 卷積一樣,它也是用模板影象在輸入影象(大圖)上滑動,並在每一個位置對模板影象和與其對應的輸入影象的子區域進行比較。 OpenCV 提供了幾種不同的比較方法,返回的結果是一個灰度影象,每一個畫素值表示了此區域與模板的匹配程度。
  如果輸入影象的大小是(WxH),模板的大小是(wxh),輸出的結果的大小就是(W-w+1, H-h+1)。當你得到這幅圖之後,就可以使用函式cv2.minMaxLoc() 來找到其中的最小值和最大值的位置了。第一個值為矩形左上角的點(位置),(w, h)為 moban 模板矩形的寬和高。這個矩形就是找到的模板區域了。
注意: 如果你使用的比較方法是 cv2.TM_SQDIFF, 最小值對應的位置才是匹配的區域。

1、 OpenCV 中的模板匹配

  我們在蕾娜的照片中搜索眼睛。所以我們要製作下面這樣一個模板:這裡寫圖片描述
嘗試使用不同的比較方法,這樣我們就可以比較一下它們的效果了。

import cv2
import numpy as np 
from matplotlib import pyplot as plt 

img = cv2.imread('image/2.jpg',0)
img2 = img.copy()
template = cv2.imread('image/2_eye.png',0)
w,h = template.shape[::-1]

methods = ['cv2.TM_CCOEFF'
,'cv2.TM_CCOEFF_NORMED','cv2.TM_CCORR','cv2.TM_CCORR_NORMED','cv2.TM_SQDIFF','cv2.TM_SQDIFF_NORMED'] for meth in methods: img = img2.copy() method = eval(meth) res = cv2.matchTemplate(img, template, method) min_val,max_val,min_loc,max_loc = cv2.minMaxLoc(res) 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) cv2.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()

結果圖:


這裡寫圖片描述
這裡寫圖片描述
這裡寫圖片描述
這裡寫圖片描述
這裡寫圖片描述
這裡寫圖片描述

可以看到 cv2.TM_CCORR 的效果不想我們想的那麼好。

2 、多物件的模板匹配

  在前面的部分,我們在圖片中搜素蕾娜的眼睛,而且蕾娜只在圖片中出現了一次。假如你的目標物件只在影象中出現了很多次怎麼辦呢?函式cv.imMaxLoc() 只會給出最大值和最小值。此時,我們就要使用閾值了。在下面的例子中我們要經典遊戲 Mario 的一張截圖圖片中找到其中的硬幣。

import cv2
import numpy as np 
from matplotlib import pyplot as plt 

img_rgb = cv2.imread('image/ma.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('image/ma_coin.png',0)
w,h = template.shape[::-1]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8

loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w,pt[1] + h), (0,0,255),2)
cv2.imwrite('247.png', img_rgb)

結果圖:


這裡寫圖片描述這裡寫圖片描述

參考:Opencv官方教程中文版(For Python)