OpenCV图像处理应用(面向Python)之模板匹配与霍夫变换
Posted OpenCV小课堂
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV图像处理应用(面向Python)之模板匹配与霍夫变换相关的知识,希望对你有一定的参考价值。
OpenCV图像处理应用(面向Python)
欢迎来到梁老湿课堂
版权声明:
作者:OpenCV小课堂
导师:Fu Xianjun
本文版权归作者导师共有,欢迎转载,但未经作者同意必须在文章页面注明来源及原作者或原文链接,否则保留追究法律责任的权利。
模板匹配的概念
模板匹配就是在大图中找小图,也就是说在一幅图像中寻找另一幅模板图像的位置。
模板匹配的操作方法: 是将模板图像B在图像A上滑动,遍历所有像素以完成匹配。
工作原理: 在带检测图像上,从左到右,从上向下计算模板图像与重叠子图像的匹配度,
匹配程度越大,两者相同的可能性越大。
局限性: 它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。
result = cv2.matchTemplate(image, template,method)
1. Result: 为运行结果
2. Image: 为待处理图像
3. Template: 为模板图像
4. Method: 为要采取的方法
method方法: 有以下6种
差值平方和匹配 CV_TM_SQDIFF
标准化差值平方和匹配 CV_TM_SQDIFF_NORMED
相关匹配 CV_TM_CCORR
标准相关匹配 CV_TM_CCORR_NORMED
相关匹配 CV_TM_CCOEFF
标准相关匹配 CV_TM_CCOEFF_NORMED
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(src)
1. min_val: 为返回的最小值
2. max_val: 为返回的最大值
3. mothodmin_loc: 为最小值的位置
4. Max_loc: 为最大值的位置
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取模板图片
template = cv2.imread("yinhua.png")
# cv_show("template",template)
img = cv2.imread("yinhua2.png")
#获取到我们模板的大小h,w
h, w = template.shape[:2]
#开始模板匹配过程(采用计算归一化平方不同,计算值越接近0,越相关)
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF_NORMED)
threshold = 0.01
loc = np.where(res<=threshold)
for pt in zip(*loc[::-1]):
cv2.rectangle(img, pt, (pt[0] + w, pt[1] + h), 255, 5)
#因为matplotlib显示为RGB图像,做一次色彩空间空间转换
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(template,)
plt.imshow(img, cmap='gray')
plt.show()
模板
匹配结果
多练多学多坚持,我们下期再见。
以上是关于OpenCV图像处理应用(面向Python)之模板匹配与霍夫变换的主要内容,如果未能解决你的问题,请参考以下文章
OpenCV图像处理应用(面向Python)之模板匹配与霍夫变换