目錄

問題引入

單模板匹配

①模板匹配函數(shù):

②查找最值和極值的坐標(biāo)和值:

整體流程原理介紹

實(shí)例代碼介紹:

多模板匹配

①定義閾值

②zip函數(shù)

整體流程原理介紹

實(shí)例代碼:

問題引入

下面有請我們的陶大郎登場

這張圖片是我們的陶大郎,我們接下來將利用陶大郎來介紹我們的模板匹配

我們想要在原圖中標(biāo)記出陶大郎的耳朵,但是又不想手工標(biāo)記,想要自動標(biāo)記,這該怎么辦呢？

這時候就要利用我們的新知識 模板匹配

模板匹配:能夠利用我們現(xiàn)有的圖片模板,在原圖上自動找到我們想要標(biāo)記的位置

單模板匹配

首先 我們先截取陶大郎的耳朵來作為我們的模板

這個耳朵就是我們的模板圖像,從原圖上截取下來的

我們先介紹我們要使用的函數(shù):

①模板匹配函數(shù):

cv2.matchTemplate(image, templ, method )

• image 為原始圖像。
• templ 為模板圖像。它的尺寸必須小于或等于原始圖像，并且與原始圖像具有同樣的類型。
• method 為匹配方法。有6種可能的值

例子:

method 可填寫對應(yīng)數(shù)值,也可以直接寫參數(shù)值

res = cv2.matchTemplate(img, template, 3)
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF_NORMED)

②查找最值和極值的坐標(biāo)和值:

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc( src?)

minVal:最小值

maxVal:最大值

minLoc:最小值坐標(biāo)

maxLoc:最大值坐標(biāo)

整體流程原理介紹

實(shí)例代碼介紹:

import cv2
from matplotlib import pyplot as plt
img = cv2.imread("hui.jpg",0)
template = cv2.imread("fihui.jpg",0)
# 獲取模板的高和寬
h,  w = template.shape[:2]

# 模板匹配
res = cv2.matchTemplate(img, template, 3)
# 定位
# min_val 最小值
# min_loc 最小值坐標(biāo)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

fondsite = cv2.rectangle(img, top_left, bottom_right, 255, 2)

cv2.imshow("fondsite",fondsite)
cv2.waitKey()
cv2.destroyAllWindows()

這里咱們的top_left = max_loc選用的max_loc是因?yàn)槲覀兊哪０迤ヅ涫褂玫?序號3的,使用了歸一化,那當(dāng)然是越大越大,表示近似度越高！

---

我們運(yùn)行看看效果

我們可以看到陶文輝的耳朵被圈起來了！

多模板匹配

多模板匹配咱們就用陶大郎的眼睛吧！

重點(diǎn)代碼函數(shù)解釋:

①定義閾值

# 取匹配程度大于%97的坐標(biāo)
# 定義的閾值 threshold
threshold = 0.97
# np.where返回的坐標(biāo)值(x,y)是(h,w)
loc = np.where(res >= threshold)

我們添加了threshold來表示我們的相似度

通過np.where篩選出相似度大于97%的部分放入loc

重點(diǎn)!!!!!:此時loc里面存放的格式是((x1,x2,...),(y1,y2,....)) 這樣的格式

②zip函數(shù)

for top_left in zip(*loc[::-1]):
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(img, top_left, bottom_right, 255, 1)

這里唯一個點(diǎn)就是這個zip(*loc[::-1]) 是干嘛的?

他其實(shí)就是把我們的loc的格式從 ((x1,x2,...),(y1,y2,....)) 變成了（(x1,y1),(x2,y2),(x3,y3),..）

然后依次把(x1,y1)放入top_left中進(jìn)行遍歷畫出我們的框

整體流程原理介紹

實(shí)例代碼:

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("hui.jpg", 0)
template = cv2.imread("eye.jpg", 0)
# 獲取模板的高和寬
h,  w = template.shape[:2]

# 模板匹配
res = cv2.matchTemplate(img, template, 3)
# 取匹配程度大于%97的坐標(biāo)
# 定義的閾值 threshold
threshold = 0.97
# np.where返回的坐標(biāo)值(x,y)是(h,w)
loc = np.where(res >= threshold)
for top_left in zip(*loc[::-1]):
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(img, top_left, bottom_right, 255, 1)
cv2.imshow('img', img)
cv2.waitKey()
cv2.destroyAllWindows()

運(yùn)行我們會發(fā)現(xiàn)有很多個標(biāo)記框

這是為什么?

其實(shí)這個是咱們圖片的問題,我的這個圖片比較模糊,是當(dāng)時截圖截下來的,有很多噪音點(diǎn),所以圖片質(zhì)量不太行,導(dǎo)致它覺得陶大郎的眼睛有很多個,但其實(shí)只有兩個文章來源地址http://www.zghlxwxcb.cn/news/detail-813380.html

到了這里，關(guān)于Opncv模板匹配 單模板匹配 多模板匹配的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！