OpenCV中使用 cv2.matchTemplate()、 cv2.minMaxLoc()、 cv2.rectangle()进行模板匹配

一、函数介绍

  1、cv2.matchTemplate(src, template, method)

        参数：

                src: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]

                template: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。

                method: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并使用它。

        作用：用于生成图像的频数直方图 

  2、min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret)

        参数： min_val， max_val, min_loc, max_loc 分别表示最小值，最大值，即对应的位置， ret输入的矩阵

        作用：找出矩阵中最大值和最小值，即其对应的(x, y)的位置

  3、 cv2.rectangle(img, (x, y), (x+w. y+h), (0, 0, 255), 2)

        参数：

                img: 表示图片

                (x, y): 表示矩阵左上角的位置

                (x+w. y+h): 表示矩阵右下角的位置

                (0, 0, 255)：表示颜色

                2：表示线条  

        作用：用于在图像上画出矩阵

  4、什么模板匹配：

        模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)

           

二、案例：

"""
单个目标的模板匹配
第一步：读入目标图片，读入模板图片，对目标图片和模板图片进行灰度化操作
第二步：使用cv2.matchtemplate(img, template, cv2.TM_CCOEFF_NORMED) 进行模板匹配，获得大量的ret结果
第三步：使用min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret)  # 找出最大值数所在的位置
第四步：使用cv2.rectangle(original, max_loc, (max_loc[0] + w, max_loc[1] + h), (0, 0, 255), 2) 进行画图操作
第五步：我们对上述的方法进行循环，尝试各种方法所得到的结果
"""
 
import cv2
import numpy as np
import matplotlib.pyplot as plt
 
original = cv2.imread('data/lena.jpg')
img = cv2.imread('data/lena.jpg', cv2.IMREAD_GRAYSCALE)
template = cv2.imread('data/face.jpg', cv2.IMREAD_GRAYSCALE)
 
h, w = template.shape[:2]
 
ret = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret)
 
draw_img = original.copy()
ret = cv2.rectangle(draw_img, max_loc, (max_loc[0]+w, max_loc[1]+h), (0, 0, 255), 2)
cv2.imshow('ret', ret)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
methods = ['cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCOEFF', 'cv2.TM_SQDIFF_NORMED', 'cv2.TM_SQDIFF',
           'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED']
 
for method in methods:
    draw_img = img.copy()
    op = eval(method)
    ret = cv2.matchTemplate(img, template, op)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret)
    if method in ['cv2.TM_SQDIFF_NORMED', 'cv2.TM_SQDIFF']:
        loc = min_loc
    else:
        loc = max_loc
    rect = cv2.rectangle(draw_img, loc, (loc[0] + w, loc[1] + h), (0, 0, 255), 2)
    plt.subplot(121)
    plt.imshow(ret, cmap='gray')
    plt.title(method)
    plt.subplot(122)
    plt.imshow(rect, cmap='gray')
    plt.title(method)
    plt.show()

"""
多目标匹配， 多目标匹配使用的是一个阈值，当大于这个阈值时，我们认为已经获得一个目标的匹配值
而使用cv2.matchTemplate匹配出的ret实际是一些上述指标的数值
第一步:读入图片，对目标图片和模板进行灰度化
第二步：匹配模板，获得ret
第三步：使用np.where(ret>0.8) 删选合适的位置，这个位置是(0, 2)即0表示竖的，2表示横着的
第四步：使用index[::-1]将位置进行调换，使用*index[::-1]使得矩阵发生拆分，使用zip进行两两组合
第五步：使用cv2.rectangle进行画多个矩阵
第六步：使用cv2.imshow展示图片
"""
 
 
original = cv2.imread('mario.jpg')
img = cv2.imread('mario.jpg', 0)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]
ret = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
 
index = np.where(ret > 0.8)
 
draw_img = original.copy()
for i in zip(*index[::-1]):
    rect = cv2.rectangle(draw_img, i, (i[0]+w, i[1]+h), (0, 0, 255), 1)
 
cv2.imshow('rect', np.hstack((original, rect)))
cv2.waitKey(0)
cv2.destroyAllWindows()