图像处理之分析网红脸让你理解什么是模板匹配算法？

目录

• • **1、什么是模板匹配**
  • **2、模板匹配算法**
  • **3、介绍opencv相关api**

1、什么是模板匹配

简单来说模板匹配就是通过现有的模板去与图片进行比较找出图中所匹配的图像

例如网红脸傻傻分不清，可以用模板匹配来特定的网红，如见下图。

检测的图片

模板

opencv官网对模板匹配的解释是：

模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV带有一个函数cv2.matchTemplate（）。它只是将模板图像滑动到输入图像上（就像在2D卷积中一样），然后在模板图像下比较模板和输入图像的补丁。OpenCV中实现了几种比较方法。（您可以检查文档以了解更多详细信息）。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配多少。如果输入图像的大小（WxH）和模板图像的大小（wxh），则输出图像的大小将为（W-w + 1，H-h + 1）。获得结果后，可以使用**cv2.minMaxLoc（）**函数查找最大/最小值在哪里。将其作为矩形的左上角，并以（w，h）作为矩形的宽度和高度。该矩形是您模板的区域。

我的理解就是：模板在待检测的图像上从左至右，从上至下的滑动（我做了一个简陋的gif示意动画，如图），模板从源图像左上角开始每次以模板的左上角像素点为单位从左至右，从上至下移动，每到达一个像素点，就会以这个像素点为左上角顶点从源图像中截取出与模板一样大小的图像与模板进行像素比较运算

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pK2YkFxq-1653042434879)(https://www.zhihu.com/equation?tex=R（x%2Cy）)]

2、模板匹配算法

即模板图像像素减去覆盖的源图像像素的差的平方和为对应矩阵的点的值。

如果值越接近0，说明匹配程度越高。

示例代码

import cv2import numpy as npimg=cv2.imread('./src/img.png',cv2.IMREAD_COLOR)imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)template=cv2.imread('./src/template.png',cv2.IMREAD_GRAYSCALE)height,width=template.shape[:2]#print(height,width)res=cv2.matchTemplate(imgGray,template,cv2.TM_SQDIFF)thresthold=0.1loc = np.where(res <= thresthold)  for pt in zip(*loc[::-1]):  right_bottom = (pt[0] + width, pt[1] + height)  cv2.rectangle(img, pt, right_bottom, (0, 0, 255), 2)cv2.imshow('src',img)cv2.imshow('template',template)cv2.imshow('result',res)cv2.waitKey(0)

即模板和图像间的乘法操作,所以较大的数表示匹配程度较高,0标识最坏的匹配效果.

示例代码

将上文代码第八行改为

res=cv2.matchTemplate(imgGray,template,cv2.TM_CCORR)

3、介绍opencv相关api

1、*cv2.matchTemplate*  cv2.matchTemplate（image,template,result,method）  #或者result=cv2.matchTemplate（image,template,method）  #image输入的检测图像  #template模板图像  #输出的矩阵图像  #采用的算法，如上文介绍的两种，还有CV_TM_SQDIFF_NORMED、CV_TM_SQDIFF_NORMED、CV_TM_CCOEFF、CV_TM_CCOEFF_NORMED2、cv2.minMaxLoc  min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)  #min_val、max_val都是输入的矩阵中的最小值和最大值  #min_loc、 max_loc都是最小值 最大值所对应的坐标元组相关匹配法_CV_TM_CCORR_平方差匹配法_CV_TM_SQDIFF_