图像处理中的模板匹配：原理与实现-EW帮帮网

import cv2
import numpy as np

def test_template_matching():
    # 读取目标图像和模板图像
    img = cv2.imread("./opencv_work/src/game.png")  # 目标图像
    temp = cv2.imread("./opencv_work/src/temp.png")  # 模板图像

    if img is None or temp is None:
        print("图像加载失败，请检查路径是否正确！")
        return

    # 获取模板图像的尺寸
    h, w, c = temp.shape

    # 进行模板匹配
    res = cv2.matchTemplate(img, temp, cv2.TM_SQDIFF)  # 使用平方差匹配方法

    # 设置匹配阈值
    threshold = 1000000
    loc = np.where(res < threshold)  # 找到匹配程度高于阈值的区域

    # 绘制匹配区域
    for pt in zip(*loc):
        cv2.rectangle(img, (pt[1], pt[0]), (pt[1] + w, pt[0] + h), (0, 0, 255), 2)

    # 显示结果
    cv2.imshow("img", img)
    cv2.imshow("temp", temp)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    test_template_matching()

3. 代码说明

读取图像：
- 使用 cv2.imread 读取目标图像和模板图像。
- 如果图像路径不正确，会导致加载失败，因此需要检查图像是否加载成功。
模板匹配：
- 使用 cv2.matchTemplate 函数进行模板匹配。该函数返回一个结果矩阵 res，表示每个位置的匹配程度。
- cv2.TM_SQDIFF 是平方差匹配方法，返回值越小表示匹配程度越高。
设置匹配阈值：
- 通过 np.where 找到匹配程度高于阈值的区域。阈值可以根据实际情况调整。
绘制匹配区域：
- 使用 cv2.rectangle 在目标图像上绘制匹配区域的边界框。
显示结果：
- 使用 cv2.imshow 显示目标图像和模板图像。
- 使用 cv2.waitKey(0) 等待用户按键，cv2.destroyAllWindows() 关闭所有窗口。

四、运行结果

运行上述代码后，你会看到目标图像中绘制了红色的边界框，表示模板图像的匹配位置。如果匹配成功，边界框会准确地框住模板图像的位置。

要匹配的图

匹配后的图：

五、总结

模板匹配是一种非常实用的图像处理技术，可以帮助我们在大图像中找到小图像的位置。通过本文的介绍和代码实现，相信你已经对模板匹配有了更深入的理解。在实际应用中，可以根据需要选择不同的匹配方法，并调整匹配阈值以获得最佳效果。

图像处理中的模板匹配：原理与实现

一、什么是模板匹配？

二、模板匹配的匹配方法

1. 平方差匹配（`cv2.TM_SQDIFF`）

2. 归一化平方差匹配（`cv2.TM_SQDIFF_NORMED`）

3. 相关匹配（`cv2.TM_CCORR`）

4. 归一化相关匹配（`cv2.TM_CCORR_NORMED`）

5. 相关系数匹配（`cv2.TM_CCOEFF`）

6. 归一化相关系数匹配（`cv2.TM_CCOEFF_NORMED`）

三、代码实现

1. 准备工作

2. 代码实现

3. 代码说明

四、运行结果

五、总结

网站公告

今日签到

热门文章

最新发布