使用Python+OpenCV进行图像模板匹配(Match Template)

#使用Python+OpenCV进行图像模板匹配(Match Template)| 来源: 网络整理| 查看: 265

687474703a2f2f692e737461636b2e696d6775722e636f6d2f4a496f51382e6a7067

本篇文章介绍使用Python和OpenCV对图像进行模板匹配和识别。模板匹配是在图像中寻找和识别模板的一种简单的方法。以下是具体的步骤及代码。

首先导入所需库文件，numpy和cv2。

Source code

#导入所需库文件 import cv2 import numpy as np 然后加载原始图像和要搜索的图像模板。OpenCV对原始图像进行处理，创建一个灰度版本，在灰度图像里进行处理和查找匹配。然后使用相同的坐标在原始图像中进行还原并输出。 Source code

#加载原始RGB图像 img_rgb = cv2.imread("photo.jpg") #创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原 img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) #加载将要搜索的图像模板 template = cv2.imread('face.jpg',0) #记录图像模板的尺寸 w, h = template.shape[::-1]

这里我们分别输出并查看原始图像，原始图像的灰度版本，以及图像模板。

灰度图

匹配图

Source code

#查看三组图像(图像标签名称，文件名称) cv2.imshow('rgb',img_rgb) cv2.imshow('gray',img_gray) cv2.imshow('template',template) cv2.waitKey(0) cv2.destroyAllWindows()

使用matchTemplate在原始图像中查找并匹配图像模板中的内容，并设置阈值。

Source code

#使用matchTemplate对原始灰度图像和图像模板进行匹配 res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) #设定阈值 threshold = 0.7 #res大于70% loc = np.where( res >= threshold) 匹配完成后在原始图像中使用灰度图像的坐标对原始图像进行标记。 Source code

#使用灰度图像中的坐标对原始RGB图像进行标记 for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) #显示图像 cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows()

匹配结果

以下为完整代码：

Source code

def mathc_img(image,Target,value): import cv2 import numpy as np img_rgb = cv2.imread(image) img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) template = cv2.imread(Target,0) w, h = template.shape[::-1] res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) threshold = value loc = np.where( res >= threshold) for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows() Source code

image=("photo.jpg") Target=('face.jpg') value=0.9 mathc_img(image,Target,value)

—【所有文章及图片版权归蓝鲸（王彦平）所有。欢迎转载，但请注明转自“蓝鲸网站分析博客”。】—

【本文地址】

公司简介

联系我们

今日新闻

推荐新闻

专题文章