摘要: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。

使用Python+OpenCV进行图像模板匹配(Match Template)-数据分析网

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。

#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。

#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。

使用Python+OpenCV进行图像模板匹配(Match Template)-数据分析网
使用Python+OpenCV进行图像模板匹配(Match Template)-数据分析网
使用Python+OpenCV进行图像模板匹配(Match Template)-数据分析网

 

#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。

#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。

#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()

使用Python+OpenCV进行图像模板匹配(Match Template)-数据分析网

 

以下为完整代码:

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()

image=("photo.jpg")

Target=('face.jpg')

value=0.9

mathc_img(image,Target,value)