【OpenCV】基本操作 模板匹配_method = eval(meth)

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)

1
2

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)

1
2
3
4
5
6
7
8
9
10
11
12
13
14

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()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

输出结果:

相关推荐：

大家如果对 OpenCV-C++ 版本感兴趣，可以前往优质博主【AI 菌】的【OpenCV专栏】学习：

OpenCV4机器学习