python cv2 matchtemplate_OpenCV-Python系列十：模板匹配

模板匹配应用的场景非常多，OCR(字符识别)，目标检测、定位等等。OpenCV中，你可以使用cv2.matchTemplate()来完成。对于其中的计算原理，可参考如下博客：

cv2.matchTemplate(img, templ, method)

tmepl：模板图像

method:官方提供了三种方法cv2.TM_CCOEFF_NORMED, cv2.TM_CCORR_NORMED, cv2.TM_SQDIFF_NORMED，其中第三种方法值越小，表示匹配概率越大，其余的为值越大匹配概率越大，这里列出的三种是会进行归一化，这方便你设定阈值来进行卡控；

注意：该函数返回的是由匹配程度填充的灰度图像

官方文档：https://docs.opencv.org/3.0-beta/modules/imgproc/doc/object_detection.html?highlight=cv2.matchtemplate#void%20matchTemplate(InputArray%20image,%20InputArray%20templ,%20OutputArray%20result,%20int%20method)

选取模板

利用上述函数对图像进行模板匹配：

钢管模板匹配

import cv2

import numpy as np

# 剔除数据集中相邻太近的点，模板匹配设定的阈值会在目标附近产生大量的重复结果

# 需要设计方法进行剔除

def split_min_dist_dots(dot, dot_set, min_dist = 20):

if dot_set:

append_flag = True

for dt in dot_set:

dist = abs(dot[0] - dt[0]) + abs(dot[1] - dt[1])

if dist < min_dist:

append_flag = False

if append_flag:

dot_set.append(dot)

else:

dot_set.append(dot)

return dot_set

img = cv2.imread('steels.png', -1)

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gaussian_img = cv2.GaussianBlur(gray_img,(3, 3),0)

template_img = cv2.imread('steel_temp.png', 0)

height, width = template_img.shape[:2]

res = cv2.matchTemplate(gaussian_img, template_img, cv2.TM_CCOEFF_NORMED)

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

threshold_template = 0.6

locs = np.where(res >= threshold_template)

# 最终的匹配结果

dots_set = []

# zip(*)操作，参考https://www.cnblogs.com/quietwalk/p/7997705.html

# locs[::-1]则是将序列顺序颠倒，由于[row, col]对绘制矩形需要区分

for loc in (zip(*locs[::-1])):

dots_set = split_min_dist_dots(loc, dots_set)

for dot in dots_set:

cv2.rectangle(img, dot, (dot[0] + width, dot[1] + height), (255, 25, 25), 1)

cv2.putText(img, 'pipe', dot, cv2.FONT_HERSHEY_SIMPLEX, 0.5, (25, 25, 255), 2)

cv2.putText(img, 'Pipe Count:%s'%len(dots_set), (0, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 25, 255), 2)

cv2.imshow('template_steel', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

这是一个关于模板匹配很简单的示例，如果你想利用这种方法应用到你的项目，需要关注以下几点：

增加模板库，单单一张模板图往往在应用中捉襟见肘；

模板匹配在目标附近会产生大量高于设定阈值的结果，你需要设计更好的剔除邻近干扰方案；

对不同亮度、角度进行适配和测试

当然，你完全也可以采用深度学习中的目标检测方案，后面会涉及到，加个关注

python cv2 matchtemplate_OpenCV-Python系列十：模板匹配相关推荐

python中括号配对检测_使用模板匹配在Python上进行对象检测！（附代码）
了解如何在没有机器学习或任何框架的情况下在Python上进行对象检测每当我们听说" 对象检测 "时,我们就会想到机器学习以及不同的框架.但是我们实际上可以在不使用机器学习或任何其 ...
python opencv数字识别_基于模板匹配的手写数字识别(python+opencv)
智能计算课第一周的实验是做基于模板匹配的手写数字识别,光听见就很感兴趣,于是决定认真做做这个实验,本实验基于python3+opencv的python版本,所用到的知识都比较简单,基本上边学边做,技术 ...
【python版CV】图像轮廓模板匹配
文章目录 1.图像轮廓 1.1 findContours函数: 1.2 获取轮廓信息(可能会报错原因) 1.3 绘制轮廓: 1.4 轮廓特征: 1.5 轮廓近似: 1.6 边界矩形 2.模板匹配 3. ...
OpenCV系列之模板匹配 | 三十一
目标在本章中,您将学习使用模板匹配在图像中查找对象你将看到以下功能:cv.matchTemplate(),cv.minMaxLoc() 理论模板匹配是一种用于在较大图像中搜索和查找模板图像位置 ...
【OpenCV + Python】模板匹配
模板匹配是用来在一副大图中搜寻查找模版图像位置的方法.OpenCV 为我们提供了函数:cv2.matchTemplate().和2D 卷积一样,它也是用模板图像在输入图像(大图)上滑动,并在每一个位置 ...
Python+Opencv实现图像匹配——模板匹配
1.原理简单来说,模板匹配就是拿一个模板(图片)在目标图片上依次滑动,每次计算模板与模板下方的子图的相似度,最后就计算出了非常多的相似度: 如果只是单个目标的匹配,那只需要取相似度最大值所在的位置就 ...
OpenCV—python 模板匹配与图像特征匹配
文章目录一.理论介绍与算法二.算法代码单目标匹配多目标匹配三多尺度模板匹配一.理论介绍与算法模板匹配是在一幅图像中寻找一个特定目标的方法之一,这种方法的原理非常简单,遍历图像中的每一个 ...
OpenCV笔记：模板匹配 cv2.matchTemplate()、cv2.minMaxLoc() 与绘制矩形 cv2.rectangle() 方法介绍
导读模板匹配是用来在一副大图中搜寻查找模版图像位置的方法.绘制矩形是用来将模版图像的匹配结果展示出来的方法. 模板匹配实现简单(2~3行代码),计算效率高,不需要执行阈值化.边缘检测等操作来生成二值 ...
python正十三边形_一起学python-opencv十三（直方图反向投影和模板匹配）
2D直方图 https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_histograms/ ...

python cv2 matchtemplate_OpenCV-Python系列十：模板匹配

python cv2 matchtemplate_OpenCV-Python系列十：模板匹配相关推荐

最新文章

热门文章