python opencv模板匹配,图像识别 模板匹配 opencv
提供模板图像和目标图像，并满足模板图像是目标图像的一部分。从目标图像中寻找特定模板图像的过程就是模板匹配。本文将详细讲解如何使用PythonOpenCV实现图像模板匹配，供参考。
00-1010 1.什么是模板匹配和模板匹配方法？matchTemplate()介绍备料2。单模板匹配2.1单目标匹配2.2多目标匹配3。多模板匹配
目录
1.什么是模板匹配及模板匹配方法matchTemplate()
提供模板图像和目标图像，并满足模板图像是目标图像的一部分。从目标图像中寻找特定模板图像的过程就是模板匹配。OpenCV提供了matchTemplate()方法来帮助我们实现模板匹配。
此方法的语法如下：
cv2.matchTemplate(image，templ，method，result=None，mask=None)
在…之中
图像是目标图像。
Templ是模板图像。
方法是匹配方法。
掩码，这是可选的。仅当方法为cv2时，才支持此参数。TM_SQDIFF或cv2.tm _ ccorr _ normalized。
方法参数可以是下列值：
参数描述cv2。TM_SQDIFF差平方和匹配，也叫平方差匹配。可以理解为基于差异度的匹配，差异度越小，匹配度越高。完全匹配时间值的差值的平方和为0。2.TM _ sqdiff _规范化相关匹配。可以理解为基于相似度的匹配。相似度越高，计算结果越大，匹配度越高。2.TM _ CCORR标准相关匹配。规则同上。2.CV2的相关系数。TM _ ccorr _ normalized匹配cv2的相关系数。TM_CCOEFF匹配。也是基于相似度的匹配。计算结果是一个从-1到1的浮点数，1表示完全匹配，0表示与之无关，-1表示两张图片的亮度正好相反。2.CVTM _ CCCoeff _归一化标准匹配的相关系数，规则同上。使用matchTemplate()方法，模板将覆盖图像中的每个区域一次，每次都用选择的方法计算。每次的计算结果最终以二维数组的形式返回给我们。
介绍
为方便展示，特准备以下图片资料：
选取世界名画《三英战吕布》 (test.png)，图像形状为(738，675，3):
剪下一部分图像元素作为下面要用到的模板材料。素材代码如下(不建议截图，截图被挖出来大小不能保证):
导入cv2
img=cv2.imread(test.png )
打印(图像形状)
#电灯
img1=img[20:220，320:480，]
#虎牢关牌匾
img2=img[75:150，200:310，]
#青龙岛
img3=img[170:530，575:650，]
#关云长
img4=img[270:670，160:330，]
cv2.imshow(img0 ，img)
cv2.imshow(img1 ，img1)
cv2.imshow(img2 ，img2)
cv2.imshow(img3 ，img3)
cv2.imshow(i
mg4", img4)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite(template_pic1.jpg, img1)
cv2.imwrite(template_pic2.jpg, img2)
cv2.imwrite(template_pic3.jpg, img3)
cv2.imwrite(template_pic4.jpg, img4)
取出的模板素材如下：
电灯
虎牢关牌匾
青龙刀
关云长
2.单模板匹配
单模板匹配，即在匹配时中只使用到一个模板的匹配过程。具体又可以分为单目标匹配和多目标匹配。
2.1 单目标匹配
单目标匹配，即模板在目标图像中只匹配 匹配程度最高的一个匹配结果。
这需要找出这一次匹配结果所在位置的坐标来确定其位置，
OpenCV提供了cv2.minMAXLoc()来实现。
该方法参数为matchTemplate()的返回值，会返回一个元组，元组中有四个值，分别是最小值、最大值、最小值时图像左上角顶点坐标，最大值时图像左上角顶点坐标。
接下来，使用 电灯(template_pic1) 图片来匹配原图，并用红色的矩形在原图像中圈出模板图像，使用标准差值平方和的匹配方式，代码如下：
import cv2
如图所示，成功标出了模板图。
如果要从多幅图像中，找出与模板最匹配的结果，
以标准差值平方和的匹配方式为例，
则可以对这些图像进行遍历，并比较每幅图像对应结果中的最小值，找出最小值中的最小值，则为最佳匹配项。
以两幅图像为例，将原图翻转一次，生成一张新的图像（翻转后结果与原图较像，但差异巨大）
翻转产生素材（test1.png）
import cv2
然后使用模板 关云长 (template_pic4.jpg)对两幅图像进行匹配，输出最佳匹配结果，并画红框展示：
import cv2
如图，test.png中的关云长与模板更为匹配。
2.2 多目标匹配
多目标匹配，即在目标图像中匹配出所有与模板图像匹配的结果。可以使用相关匹配或相关系数匹配。
素材准备
还以原图像"test.png"为参照，
为了产生方便我们做示例的图像，我们在该图像的基础上多加一盏电灯，生成"test2.png"
import cv2
多目标匹配
多目标匹配即对matchTemplate()匹配的总的结果，的计算情况数据，使用for循环遍历，并设定一个判断标准。
如使用标准相关系数（cv2.TM_CCOEFF_NORMED）的方法判断，如：如果计算值大于0.99，则我们认为匹配成功了。
使用电灯模板"template_pic1.jpg"，匹配图像test2.png。并对匹配的结果用红色的矩形框标记。
代码示例如下：
import cv2
程序执行结果如下，成功匹配出了两盏灯。
3.多模板匹配
多模板匹配，即进行了n次单模板的匹配过程。
直接上示例：
在test.png中匹配电灯、青龙刀、虎牢关牌匾、关云长四个图像模板：
import cv2
匹配效果如下：
以上就是Python OpenCV实现图像模板匹配详解的详细内容，更多关于Python OpenCV图像模板匹配的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。