【OpenCV】⚠️高手勿入! 半小时学会基本操作 ⚠️ 概述模板
概述
OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 21 课)
模板匹配
模板匹配 (Template Matching) 和卷积的原理很像. 模板在原图像上从原点开始滑动, 计算模板与图片被模板覆盖的地方的差别程度.
格式:
cv2.matchTemplate(image, templ, method, result=None, mask=None)
参数:
- image: 输入图像
- templ: 输入模板
- method: 方法
- TM_SQDIFF: 计算平方差, 计算出来的值越小, 越相关
- TM_CCORR: 计算相关性, 计算出来的值越大, 越相关
- TM_CCOEFF: 计算相关系数, 计算出来的值越大, 越相关
- TM_SQDIFF_NORMED: 计算归一化平方不同, 计算出来的值越接近 0, 越相关
- TM_CCORR_NORMED: 计算归一化相关性, 计算出来的值越接近 1, 越相关
- TM_CCOEFF_NORMED: 计算归一化系数, 计算出来的值越接近 1, 越相关
案例一
例 1:
import cv2
# 读取图片
img = cv2.imread("girl.jpg", 0)
print(img.shape) # (1280, 1920)
# 读取模板
template = cv2.imread("face.jpg", 0)
h, w = template.shape
print(template.shape) # (510, 518)
# 模板匹配
result = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
案例二
例 2:
import cv2
from matplotlib import pyplot as plt
# 读取图片
img = cv2.imread("girl.jpg", 0)
# 读取模板
template = cv2.imread("face.jpg", 0)
h, w = template.shape
# 模式
methods = ['cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED', 'cv2.TM_CCORR',
'cv2.TM_CCORR_NORMED', 'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED']
# 循环
for meth in methods:
img2 = img.copy()
# 匹配方法的真值
method = eval(meth)
print("method:", method)
res = cv2.matchTemplate(img, template, method)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值
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)
# 画矩形
cv2.rectangle(img2, top_left, bottom_right, 255, 2)
# 展示
f, ax = plt.subplots(1, 2, figsize=(16, 8))
ax[0].imshow(img2, cmap='gray')
ax[1].imshow(res, cmap='gray')
plt.suptitle(meth)
plt.show()
输出结果:
到此这篇关于OpenCV半小时掌握基本操作之模板匹配的文章就介绍到这了,更多相关OpenCV模板匹配内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
