数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学使用OpenCV在Python中进行模板匹配
模板匹配是一种技术，可以通过它从实际图像中匹配补丁或模板。这基本上是一种模式匹配机制。
在Python中，有OpenCV模块。使用OpenCV，我们可以轻松找到匹配项。因此，在这个问题中，使用了OpenCV模板匹配技术。
要使用OpenCV功能，我们需要使用pip下载它们。
sudo pip3 install opencv-python
对于模板匹配任务，存在一个精度因子，此因子称为阈值。例如，我们可以说可以使用这种模板匹配方案轻松创建面部识别方案。我们可以提供一些眼睛或面部其他部位的图像，然后使用这些图像作为模板，它可以轻松找到匹配项，但眼睛存在不同的变化。因此，如果我们将精度级别设置为50%，它将比精度级别100%检测得更好。通常，在不同情况下，精度级别为80%。
模板匹配步骤
获取实际图像并将其转换为灰度图像。
将模板作为灰度图像
模板在实际图像上滑动并找到精度级别匹配的位置。
当结果大于精度级别时，将该位置标记为已检测到。
对于第一种情况，输入图像和模板为：
主图像
模板
示例代码
import cv2
import numpy as np
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
#open the template as gray scale image
template = cv2.imread('template1.png', 0)
width, height = template.shape[::-1] #get the width and height
#match the template using cv2.matchTemplate
match = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
position = np.where(match >= threshold) #get the location of template in the image
for point in zip(*position[::-1]): #draw the rectangle around the matched template
cv2.rectangle(main_image, point, (point[0] + width, point[1] + height), (0, 204, 153), 0)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)
输出
上述代码不支持多尺度。因此，如果模板的大小不同，它将无法检测到。因此，在下一部分中，我们将看到如何使用多尺度功能来检测模板。
在这种方法中，实际图像被转换为不同的尺寸，每次它都匹配模式，并找到最大的相关系数来定位匹配项。
这里的实际图像相同，模板在这里：
示例代码
import imutils
import cv2
import numpy as np
#Open template and get canny
template = cv2.imread('template3.jpg')
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
template = cv2.Canny(template, 10, 25)
(height, width) = template.shape[:2]
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
temp_found = None
for scale in np.linspace(0.2, 1.0, 20)[::-1]:
#resize the image and store the ratio
resized_img = imutils.resize(gray_image, width = int(gray_image.shape[1] * scale))
ratio = gray_image.shape[1] / float(resized_img.shape[1])
if resized_img.shape[0] < height or resized_img.shape[1] < width:
break
#Convert to edged image for checking
e = cv2.Canny(resized_img, 10, 25)
match = cv2.matchTemplate(e, template, cv2.TM_CCOEFF)
(_, val_max, _, loc_max) = cv2.minMaxLoc(match)
if temp_found is None or val_max>temp_found[0]:
temp_found = (val_max, loc_max, ratio)
#Get information from temp_found to compute x,y coordinate
(_, loc_max, r) = temp_found
(x_start, y_start) = (int(loc_max[0]), int(loc_max[1]))
(x_end, y_end) = (int((loc_max[0] + width)), int((loc_max[1] + height)))
#Draw rectangle around the template
cv2.rectangle(main_image, (x_start, y_start), (x_end, y_end), (153, 22, 0), 5)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)
输出
更新于：2019年7月30日
818 次浏览
广告