OpenCV 笔记：cv2.matchTemplate() 单模板匹配和多模板匹配

一时失言乱红尘 2024-04-03 11:21 58阅读 0赞

![41f98ee22a67420fab7e1970d3c9ed36.jpeg][]

## 导读 ##

模板匹配是用来在一副大图中搜寻查找模版图像位置的方法。

模板匹配实现简单（2~3行代码），计算效率高，不需要执行阈值化、边缘检测等操作来生成二值化图像。**但是：**如果输入图像中存在变化的因素，包括旋转、缩放、视角变化等，模板匹配很容易就会失效。**除非：**输入图像的旋转、缩放、视角变化在恒定的情况下，模板匹配也可以完美发挥作用。

**你可能需要的文章：**

*  **[OpenCV笔记：cv2.matchTemplate()、cv2.minMaxLoc() 、cv2.rectangle() 方法介绍][OpenCV_cv2.matchTemplate_cv2.minMaxLoc_ _cv2.rectangle_]**
 *  **[关于：Python基础，爬虫，机器学习，常见异常和面试【篇】（专题汇总）][Python]**

--------------------

## 正文 ##

OpenCV 为我们提供了函数： cv2.matchTemplate() 用于实现模板匹配，并使用 cv2.minMaxLoc() 计算匹配结果。

至于模板的匹配方法，这里不做详细介绍，需要的小伙伴可以查看：**【导读】**\- **你可能需要的文章。**

### 一、单模板匹配 ###

#### **1.1 图片准备** ####

之前的教程里，我一直匹配“脸部”这种特征明显的图形，所以本讲换一个思路，匹配更容易混淆的衣服部分。玩个游戏吧，大家可以看看下面的图片取自哪里，看看是你快，还是机器学习快。

*  底图 image（博客首页的图），模板图片 templ 如下：

![f91ec3231b4c47809287376278e477a7.png][]

**注意：**模板图片要从模板图片中截出来使用，如果二者分辨率差距太大，很容易匹配失败。

#### **1.2 代码展示** ####

# _*_coding:utf-8_*_
    # 作者：   Java Punk
    # 时间：   2022-10-09 14:49:45
    
    import cv2 as cv2
    
    # 单个模板匹配
    def one_match(image, templ):
        img = cv2.imread(image)
        template = cv2.imread(templ)
        h, w = template.shape[:2]
        # 匹配模板
        res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
        # 计算矩形左边
        top_left = max_loc
        bottom_right = (top_left[0] + w, top_left[1] + h)
        # 画矩形
        cv2.rectangle(img, top_left, bottom_right, (0, 0, 255), 5)
        # 展示结果
        cv2.imshow('img_rgb', img)
        cv2.waitKey(0)
        pass
    
    if __name__ == '__main__':
        print("———————————————————— start ————————————————————\n")
        # 图片路径自己设置，下面是我本地的路径，记得替换！！！
        one_match('../img/test/guimie_03.jpg', '../img/test/guimie_04.jpg')
        print("———————————————————— end ————————————————————\n")

#### **1.3 效果展示** ####

完美匹配到了，我的模板就是从这里接出来的。

![1ea175f9cbf74dbd876ec982492c46cd.png][]

--------------------

### 二、多模板匹配 ###

上面的单模板匹配使用了函数 cv2.minMaxLoc() 输出结果，特点是：只会输出一个匹配系数最大值，无法给出所有匹配区域的位置信息。但是，有些情况下，要搜索的模板图像很有可能在输入图像内出现了多次，这时就需要找出多个匹配结果。

多模板匹配引入了“匹配系数” - threshold，利用数学计算函数 numpy 删选出所有大于 threshold 的图形。

#### **2.1 图片准备** ####

*  模板图片 templ → 底图 image：

![29de12ada935405da8e59c0026ea80da.png][]

#### **2.2 代码展示** ####

# _*_coding:utf-8_*_
    # 作者：   Java Punk
    # 时间：   2022-10-09 14:49:45
    
    import cv2 as cv2
    import numpy as np
    
    # 多个模板匹配
    def more_match(image, templ):
        img = cv2.imread(image)
        img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        template = cv2.imread(templ, 0)
        h, w = template.shape[:2]
    
        res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
        # 取匹配程度大于%90的坐标
        threshold = 0.9
        # np.where返回的坐标值(x,y)是(h,w)，注意h,w的顺序
        loc = np.where(res >= threshold)
        for pt in zip(*loc[::-1]):
            bottom_right = (pt[0] + w, pt[1] + h)
            cv2.rectangle(img, pt, bottom_right, (255, 0, 0), 1)
            print(pt, bottom_right)
        cv2.imshow('img_rgb', img)
        cv2.waitKey(0)
        pass
    
    if __name__ == '__main__':
        print("———————————————————— start ————————————————————\n")
        # 图片路径自己设置，下面是我本地的路径，记得替换！！！
        more_match('../img/test/zhipai_03.jpg', '../img/test/zhipai_04.jpg')
        print("———————————————————— end ————————————————————\n")

#### **2.3 效果展示** ####

要知道，即使是从原图上截取的图片，在做视觉匹配的时候有没有100%匹配的说法，只能是无限接近于100%。代码中 threshold = 0.9，即：90%以上匹配，尝试将匹配系数慢慢增大，看看会发生什么？

**注：为了让每个菱形有区别，我特意倾斜了一定角度拍摄了纸牌的照片，多少能展示出一点效果。**

![fb0be71b4c544c73a18907f1256c0795.png][]

当 threshold = 0.99 的时候，结果只有一个（的确就是我取的截图），即：输出最匹配的结果，在原理上与 函数 cv2.minMaxLoc() 有异曲同工之妙。

--------------------

[41f98ee22a67420fab7e1970d3c9ed36.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/983e758af24742e5aa7a008bb1e8dc7b.jpeg
[OpenCV_cv2.matchTemplate_cv2.minMaxLoc_ _cv2.rectangle_]: https://blog.csdn.net/weixin_44259720/article/details/127251331
[Python]: https://blog.csdn.net/weixin_44259720/article/details/127064751
[f91ec3231b4c47809287376278e477a7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/fd5c419ff1be4757967fd34d8cf64445.png
[1ea175f9cbf74dbd876ec982492c46cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/2dd53ab63f2943629fb150287dc233cd.png
[29de12ada935405da8e59c0026ea80da.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/cae0920d3f204083b295c2afaf13ec2f.png
[fb0be71b4c544c73a18907f1256c0795.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/38f82f2d8b60477c96083f73adc40a2d.png