柚子快報激活碼778899分享：OpenCV第十章——模板匹配

http://yzkb.51969.com/

1.模板匹配方法

模板是指被查找的目標(biāo)圖像，查找模板出現(xiàn)在原始圖像中哪個位置的過程就叫模板匹配。

OpenCV提供了matchTemplate()方法來實現(xiàn)目標(biāo)匹配，其語法結(jié)構(gòu)如下：

result = matchTemplate(iamge, temp1,method, mask)

參數(shù)說明：

iamge:原始圖像，必須是單通道，8位或32位浮點圖像。

temp1:模板圖像，其尺寸不得大于原始圖像

method:匹配的方法，詳情見下表

mask:可選參數(shù)。掩模，只有cv2.TM_SQDIFF和cv2.TM_CCORR_NORMED支持此參數(shù)

返回值說明：

函數(shù)返回的結(jié)果result是一個矩陣，其大小取決于源圖像和模板的相對大小。具體來說，如果源圖像的大小是(W, H)，模板的大小是(w, h)，則結(jié)果矩陣的大小將是(W-w+1, H-h+1)。結(jié)果矩陣中的每個元素都表示模板在原圖中對應(yīng)位置的匹配程度，具體取決于所選的比較方法。

1.平方差匹配（cv2.TM_SQDIFF）

? ? ? 此方法通過計算模板與圖像區(qū)域之間的平方差來進(jìn)行匹配。平方差越小，匹配程度越高。因此，最佳匹配是在結(jié)果矩陣中的最小值處找到的。（0）

2.歸一化平方差匹配（cv2.TM_SQDIFF_NORMED）

? ? ? 與平方差匹配類似，但結(jié)果會被歸一化到0（完全不匹配）到1（完美匹配）的范圍內(nèi)。這使得比較不同大小的圖像或模板時更為方便。最佳匹配同樣是在結(jié)果矩陣中的最小值處找到的。（1）

3.相關(guān)匹配（cv2.TM_CCORR）

? ? ? 此方法通過計算模板與圖像區(qū)域之間的互相關(guān)來進(jìn)行匹配?；ハ嚓P(guān)值越大，匹配程度越高。因此，最佳匹配是在結(jié)果矩陣中的最大值處找到的。（2）

4.歸一化相關(guān)匹配（cv2.TM_CCORR_NORMED）

? ? ? ?與相關(guān)匹配類似，但結(jié)果會被歸一化。歸一化后的值在-1（完全不相關(guān)）到1（完全相關(guān)）之間。這使得比較更加靈活，特別是當(dāng)模板和圖像之間的亮度差異很大時。最佳匹配是在結(jié)果矩陣中的最大值處找到的。（3）

5.系數(shù)匹配（cv2.TM_CCOEFF）

? ? ? ?此方法通過計算模板與圖像區(qū)域之間的相關(guān)系數(shù)來進(jìn)行匹配。相關(guān)系數(shù)是歸一化的協(xié)方差，其值在-1（負(fù)相關(guān)）到1（正相關(guān)）之間。值越接近1，匹配程度越高。因此，最佳匹配是在結(jié)果矩陣中的最大值處找到的。（4）

6.歸一化系數(shù)匹配（cv2.TM_CCOEFF_NORMED）

? ? ? 與系數(shù)匹配類似，但結(jié)果會被進(jìn)一步歸一化到0（完全不相關(guān)）到1（完全相關(guān)）的范圍內(nèi)。這種歸一化使得比較結(jié)果更加直觀和一致。最佳匹配同樣是在結(jié)果矩陣中的最大值處找到的。（5）

在模板匹配的過程中，模板會在原始圖像中移動，并與重疊區(qū)域內(nèi)的像素諸葛對比，最后將對比結(jié)果保存在模板左上角像素點索引位置對應(yīng)的數(shù)組位置中。?

2.單模板匹配

單模板匹配是指匹配過程中只用到一個模板場景，在原始圖像中可能只有一個和模板相似的圖像，也可能有多個，如果只獲取匹配程度最高的那一個，這種操作就叫單目標(biāo)匹配，如果同時獲取匹配程度較高的結(jié)果，這種操作就叫多目標(biāo)匹配。

2.1單目標(biāo)匹配

單目標(biāo)匹配只獲取一個結(jié)果，即匹配程度最高的那一個

matchTemplate()方法計算的結(jié)果是一個二維數(shù)組，OpenCV提供了minMaxLoc()方法用于解析這個二維數(shù)組中的最大值、最小值以及這兩個值對應(yīng)的坐標(biāo)，其語法結(jié)構(gòu)如下：

minValue,MaxValue, minLoc,maxLoc = cv2.minMaxLoc(src, mask)

參數(shù)說明：

src:matchTemplate()方法計算的出的數(shù)組

mask:可選參數(shù)，掩模

返回值說明：

minValue:數(shù)組的最小值

maxValue:數(shù)組的最大值

minLoc:最小值的坐標(biāo)

maxLoc:最大值的坐標(biāo)

2.1.1 標(biāo)識出匹配成功的區(qū)域

操作用圖像：原始圖像

模板圖片：

操作代碼示例

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\10(1).jpg") # 讀取原始圖像

templ = cv2.imread(r"C:\Users\cgs\Desktop\pictures\10(2).png") # 讀取模板圖像

width, height, c = templ.shape # 獲取模板圖像的寬度、高度和通道數(shù)

results = cv2.matchTemplate(img, templ, cv2.TM_SQDIFF_NORMED) # 按照標(biāo)準(zhǔn)平方差方式匹配

# 獲取匹配結(jié)果中的最小值、最大值、最小值坐標(biāo)和最大值坐標(biāo)

minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(results)

resultPoint1 = minLoc # 將最小值坐標(biāo)當(dāng)做最佳匹配區(qū)域的左上角點坐標(biāo)

# 計算出最佳匹配區(qū)域的右下角點坐標(biāo)

resultPoint2 = (resultPoint1[0] + width, resultPoint1[1] + height)

# 在最佳匹配區(qū)域位置繪制藍(lán)色方框，線寬為2像素

cv2.rectangle(img, resultPoint1, resultPoint2, 255, 0, 0)

cv2.imshow("img", img) # 顯示匹配的結(jié)果

cv2.waitKey()

cv2.destroyAllWindows()

操作效果圖像

?

2.1.2 選擇最佳的匹配結(jié)果

操作用圖像

模板圖像：

背景圖像1：

、

背景圖像2：

操作代碼示例：

import cv2

image = [] # 存儲原始圖像的列表

# 向image列表添加原始圖像221

image.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\10(3).png"))

# 向image列表添加原始圖像222

image.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\10(4).png"))

templ = cv2.imread(r"C:\Users\cgs\Desktop\pictures\10(5).png") # 讀取模板圖像

index = -1 # 初始化車位編號列表的索引為-1

min = 1

for i in range(0, len(image)): # 循環(huán)匹配image列表中的原始圖像

# 按照標(biāo)準(zhǔn)平方差方式匹配

results = cv2.matchTemplate(image[i], templ, cv2.TM_SQDIFF_NORMED)

# 獲得最佳匹配結(jié)果的索引

if min > any(results[0]):

index = i

cv2.imshow("result", image[index]) # 顯示最佳匹配結(jié)果

cv2.waitKey()

cv2.destroyAllWindows()

操作效果圖像：

2.1.3 查找重復(fù)圖像

操作代碼示例：

import cv2

import os

import sys

PIC_PATH = "C:\\Users\\cgs\\Desktop\\pictures" # 照片文件夾地址

width, height = 100, 100 # 縮放比例

pic_file = os.listdir(PIC_PATH) # 所有照片文件列表

same_pic_index = [] # 相同圖像的索引列表

imgs = [] # 縮放后的圖像對象列表

has_same = set() # 相同圖像的集合

count = len(pic_file) # 照片數(shù)量

if count == 0: # 如果照片數(shù)量為零

print("沒有圖像")

sys.exit(0) # 停止程序

for file_name in pic_file: # 遍歷照片文件

pic_name = os.path.join(PIC_PATH, file_name) # 拼接完整文件名

img = cv2.imread(pic_name) # 創(chuàng)建文件的圖像

if img is None:

print(f"Error: {pic_name} not found or unable to load.")

continue

img = cv2.resize(img, (width, height)) # 縮放成統(tǒng)一大小

imgs.append(img) # 按文件順序保存圖像對象

for i in range(count): # 遍歷所有圖像文件

if i in has_same: # 如果此圖像已經(jīng)找到相同的圖像

continue # 跳過

templ = imgs[i] # 取出模板圖像

same = [i] # 與templ內(nèi)容相同的圖像索引列表

for j in range(i + 1, count): # 從templ的下一個位置開始遍歷

if j in has_same: # 如果此圖像已經(jīng)找到相同的圖像

continue # 跳過

pic = imgs[j] # 取出對照圖像

results = cv2.matchTemplate(pic, templ, cv2.TM_CCOEFF_NORMED) # 比較兩圖像相似度

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(results)

if max_val > 0.9: # 如果相似度大于90%，認(rèn)為是同一張照片

same.append(j) # 記錄對照圖像的索引

has_same.add(i) # 模板圖像已找到相同圖像

has_same.add(j) # 對照圖像已找到相同圖像

if len(same) > 1: # 如果模板圖像找到了至少一張與自己相同的圖像

same_pic_index.append(same) # 記錄相同圖像的索引

for same_list in same_pic_index: # 遍歷所有相同圖像的索引

text = "相同的照片："

for same in same_list:

text += str(pic_file[same]) + ", " # 拼接文件名

text = text.rstrip(", ") # 去掉最后的逗號和空格

print(text)

代碼的工作流如下：

1.讀取圖像：從指定文件夾讀取所有圖像文件，并將它們存儲在列表中。 2.圖像縮放：將每張圖像縮放到統(tǒng)一的尺寸，以便進(jìn)行比較。 3.模板匹配：逐一將每張圖像作為模板，與后續(xù)圖像進(jìn)行相似度比較。 4.記錄相似圖像：如果相似度超過90%，則記錄匹配的圖像索引。 5.輸出結(jié)果：最后，輸出所有找到的相同圖像的文件名列表。?

操作效果：

2.2多目標(biāo)匹配

多目標(biāo)匹配需要將原始圖像中所有與模板相似的圖像都找出來。

2.2.1 標(biāo)識出所有匹配成功的區(qū)域

?操作用圖像：

背景圖像：

?

模板圖像：

操作代碼示例：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\1(52).jpg") # 讀取原始圖像

templ = cv2.imread(r"C:\Users\cgs\Desktop\pictures\1 (2).png") # 讀取模板圖像

width, height, c = templ.shape # 獲取模板圖像的寬度、高度和通道數(shù)

results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED) # 按照標(biāo)準(zhǔn)相關(guān)系數(shù)匹配

for y in range(len(results)): # 遍歷結(jié)果數(shù)組的行

for x in range(len(results[y])): # 遍歷結(jié)果數(shù)組的列

if results[y][x] > 0.99: # 如果相關(guān)系數(shù)大于0.99則認(rèn)為匹配成功

# 在最佳匹配結(jié)果位置繪制紅色方框

cv2.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2)

cv2.imshow("img", img) # 顯示匹配的結(jié)果

cv2.waitKey()

cv2.destroyAllWindows()

操作效果圖像：

?

2.2.2多目標(biāo)匹配實例（統(tǒng)計一條快軌線路的站臺總數(shù)）

操作用圖像：

背景圖像：

模板圖像：

操作代碼示例：

import cv2

image = cv2.imread(r"C:\Users\cgs\Desktop\pictures\image.png") # 讀取原始圖像

templ = cv2.imread(r"C:\Users\cgs\Desktop\pictures\templ.png") # 讀取模板圖像

height, width, c = templ.shape # 獲取模板圖像的高度、寬度和通道數(shù)

results = cv2.matchTemplate(image, templ, cv2.TM_CCOEFF_NORMED) # 按照標(biāo)準(zhǔn)相關(guān)系數(shù)匹配

station_Num = 0 # 初始化快軌的站臺個數(shù)為0

for y in range(len(results)): # 遍歷結(jié)果數(shù)組的行

for x in range(len(results[y])): # 遍歷結(jié)果數(shù)組的列

if results[y][x] > 0.99: # 如果相關(guān)系數(shù)大于0.99則認(rèn)為匹配成功

# 在最佳匹配結(jié)果位置繪制矩形邊框

cv2.rectangle(image, (x, y), (x + width, y + height), (0, 0, 255), 2)

station_Num += 1 # 快軌的站臺個數(shù)加1

cv2.putText(image, "the numbers of stations: " + str(station_Num), (0, 30),

cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (255, 0, 0), 2) # 在原始圖像繪制快軌站臺的總數(shù)

cv2.imshow("result", image) # 顯示匹配的結(jié)果

cv2.waitKey()

cv2.destroyAllWindows()

操作效果圖像：

3.多模板匹配

對每一個模板都要做一次“單模板多目標(biāo)匹配”。

3.1 同時匹配多個模板

操作用圖像：

背景圖像:

模板圖像：

操作代碼示例：

import cv2

def myMatchTemplate(img, templ): # 自定義方法：獲取模板匹配成功后所有紅框位置的坐標(biāo)

width, height, c = templ.shape # 獲取模板圖像的寬度、高度和通道數(shù)

results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED) # 按照標(biāo)準(zhǔn)相關(guān)系數(shù)匹配

loc = list() # 紅框的坐標(biāo)列表

for i in range(len(results)): # 遍歷結(jié)果數(shù)組的行

for j in range(len(results[i])): # 遍歷結(jié)果數(shù)組的列

if results[i][j] > 0.99: # 如果相關(guān)系數(shù)大于0.99則認(rèn)為匹配成功

# 在列表中添加匹配成功的紅框?qū)蔷€兩點坐標(biāo)

loc.append((j, i, j + width, i + height))

return loc

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\background2.jpg") # 讀取原始圖像

templs = list() # 模板列表

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\template.png")) # 添加模板1

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\template2.png")) # 添加模板2

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\template3.png")) # 添加模板3

loc = list() # 所有模板匹配成功位置的紅框坐標(biāo)列表

for t in templs: # 遍歷所有模板

loc += myMatchTemplate(img, t) # 記錄該模板匹配得出的

for i in loc: # 遍歷所有紅框的坐標(biāo)

cv2.rectangle(img, (i[0], i[1]), (i[2], i[3]), (0, 0, 255), 2) # 在圖片中繪制紅框

cv2.imshow("img", img) # 顯示匹配的結(jié)果

cv2.waitKey()

cv2.destroyAllWindows()

操作效果圖像：

3.2 多模板匹配實例

操作用圖像

模板圖像：

背景圖像：

操作代碼示例：

import cv2

image = cv2.imread(r"C:\Users\cgs\Desktop\pictures\image.png") # 讀取原始圖像

templs = [] # 模板列表

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\car1.png")) # 添加模板圖像1

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\car2.png")) # 添加模板圖像2

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\car3.png")) # 添加模板圖像3

templs.append(cv2.imread(r"C:\Users\cgs\Desktop\pictures\car4.png")) # 添加模板圖像3

for car in templs: # 遍歷所有模板圖像

# 按照標(biāo)準(zhǔn)相關(guān)系數(shù)匹配

results = cv2.matchTemplate(image, car, cv2.TM_CCOEFF_NORMED)

for i in range(len(results)): # 遍歷結(jié)果數(shù)組的行

for j in range(len(results[i])): # 遍歷結(jié)果數(shù)組的列

# print(results[i][j])

if results[i][j] > 0.99: # 如果相關(guān)系數(shù)大于0.99則認(rèn)為匹配成功

if 0 < j <= 140:

print("車位編號:", 1)

elif j <= 330:

print("車位編號:", 2)

elif j <= 500:

print("車位編號:", 3)

else:

print("車位編號:", 4)

break

操作效果圖像：

那么關(guān)于模板匹配的內(nèi)容就到這里了歡迎大家繼續(xù)關(guān)注?。?！

柚子快報激活碼778899分享：OpenCV第十章——模板匹配

http://yzkb.51969.com/

好文推薦