python實現模板匹配

（一）原理

（二）**實現和幾種常見的模板匹配演算法

正文：（一）原理

在待檢測影象上，從左到右，從上向下計算模板影象與重疊子影象的匹配度，匹配程度越大，兩者相同的可能性越大。

作用有侷限性，必須在指定的環境下，才能匹配成功，是受到很多因素的影響，所以有一定的適應性。模板匹配是一種最原始、最基本的模式識別方法，研究某一特定物件物的圖案位於影象的什麼地方，進而識別物件物，這就是乙個匹配問題。它是影象處理中最基本、最常用的匹配方法。模板匹配具有自身的侷限性，主要表現在它只能進行平行移動，若原影象中的匹配目標發生旋轉或大小變化，該演算法無效。模板匹配就是在整個影象區域發現與給定子影象匹配的小塊區域。

（二）**實現和幾種常見的模板匹配演算法

**實現：

1
import
cv2 as cv
2import
numpy as np34
deftemplate_demo():
5     tpl = cv.imread("
./temp.png")
6     target = cv.imread("
./1.png")
7     cv.imshow("
template image
",tpl)
8     cv.imshow("
target image
",target)
9     methods = [cv.tm_sqdiff_normed,cv.tm_ccorr_normed,cv.tm_ccoeff_normed]　　#
各種匹配演算法
10     th,tw = tpl.shape[:2]　　#
獲取模板影象的高寬
11for md in
methods:
12         result =cv.matchtemplate(target,tpl,md)13#
result是我們各種演算法下匹配後的影象14#
cv.imshow("%s"%md,result)15#
獲取的是每種公式中計算出來的值，每個畫素點都對應乙個值
16         min_val,max_val,min_loc,max_loc =cv.minmaxloc(result)
17if md ==cv.tm_sqdiff_normed:
18             tl = min_loc    #
tl是左上角點
19else
:20             tl =max_loc
21         br = (tl[0]+tw,tl[1]+th)    #
右下點22         cv.rectangle(target,tl,br,(0,0,255),2)　　#
畫矩形,
(0,0,255),2---紅色，線寬

23 cv.imshow("
match-%s
"%md,target) 
2425
26 src = cv.imread("
./1.png
") #
讀取27 cv.namedwindow("
input image
",cv.window_autosize) #
建立gui視窗,形式為自適應
28 cv.imshow("
input image
",src) #
通過名字將影象和視窗聯絡
29template_demo() 
30 cv.waitkey(0) #
等待使用者操作，裡面等待引數是毫秒，我們填寫0，代表是永遠，等待使用者操作
31 cv.destroyallwindows() #
銷毀所有視窗

幾種常見的模板匹配演算法：

①tm_sqdiff是平方差匹配；tm_sqdiff_normed是標準平方差匹配。利用平方差來進行匹配,最好匹配為0.匹配越差,匹配值越大。

②tm_ccorr是相關性匹配；tm_ccorr_normed是標準相關性匹配。採用模板和影象間的乘法操作,數越大表示匹配程度較高, 0表示最壞的匹配效果。

③tm_ccoeff是相關性係數匹配；tm_ccoeff_normed是標準相關性係數匹配。將模版對其均值的相對值與影象對其均值的相關值進行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒有任何相關性(隨機序列)。

相關性是越接近1越大越好

平方差是越小越好

所以tm_sqdiff在使用時和其他的是有所區別的

參考：

python實現模板匹配

實現模板匹配

python 模板匹配多個物體

opencv實現各種模板匹配方法

python實現模板匹配

實現模板匹配

python 模板匹配多個物體

opencv實現各種模板匹配方法

相關推薦