Python+OpenCV图像处理之模板匹配
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python+OpenCV图像处理之模板匹配,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1505字,纯文字阅读大概需要3分钟。
内容图文
模板匹配就是在整个图像区域中发现与给定子图像匹配的小块区域
在OpenCV中,提供了相应的函数完成这个操作:
matchTemplate 函数:在模板和输入图像之间寻找匹配,获得匹配结果图像
minMaxLoc 函数:在给定的矩阵中寻找最大和最小值,并给出它们的位置
几种常见的模板匹配算法:
①TM_SQDIFF是平方差匹配;TM_SQDIFF_NORMED是标准平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。
②TM_CCORR是相关性匹配;TM_CCORR_NORMED是标准相关性匹配。采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。
③TM_CCOEFF是相关性系数匹配;TM_CCOEFF_NORMED是标准相关性系数匹配。将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。
python实现
import cv2 import numpy as np __author__ = "boboa" def template_demo(): tpl = cv2.imread("image/tpl.jpg") target = cv2.imread("image/target1.jpg") # cv2.imshow("template_image", tpl) # cv2.imshow("target image", target) methods = [cv2.TM_CCOEFF_NORMED, cv2.TM_SQDIFF_NORMED, cv2.TM_CCORR_NORMED] th, tw = tpl.shape[:2] for md in methods: print(md) result = cv2.matchTemplate(target, tpl, md) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) if md == cv2.TM_SQDIFF_NORMED: tl = min_loc else: tl = max_loc br = (tl[0] + tw, tl[1] + th) cv2.rectangle(target, tl, br, (0, 0, 255), 2) cv2.imshow("match-" + np.str(md), target) if __name__ == "__main__": img = cv2.imread("img1.jpg") # cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE) # cv2.imshow("input image", img) template_demo() cv2.waitKey(0) cv2.destroyAllWindows()
运行结果
内容总结
以上是互联网集市为您收集整理的Python+OpenCV图像处理之模板匹配全部内容,希望文章能够帮你解决Python+OpenCV图像处理之模板匹配所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。