目標
在本節(jié)我們要學(xué)習(xí)：
1. 使用模板匹配在一幅圖像中查找目標
2. 函數(shù)： cv2.matchTemplate()， cv2.minMaxLoc()

原理
模板匹配是用來在一副大圖中搜尋查找模版圖像位置的方法。 OpenCV 為我們提供了函數(shù)： cv2.matchTemplate() 。和 2D 卷積一樣，它也是用模板圖像在輸入圖像（大圖）上滑動，并在每一個位置對模板圖像和與其對應(yīng)的輸入圖像的子區(qū)域進行比較OpenCV提供了幾種不同的比較方法（細節(jié)請看文檔）。返回的結(jié)果是一個灰度圖像，每一個像素值表示了此區(qū)域與模板的匹配程度。如果輸入圖像的大小是（WxH），模板的大小是（wxh），輸出的結(jié)果的大小就是（W-w+1， H-h+1）。當(dāng)你得到這幅圖之后，就可以使用 函數(shù) cv2.minMaxLoc() 來找到其中的最小值和最大值的位置了。第一個值為矩形左上角的點（位置），（w， h）為 moban 模板矩形的寬和高。這個矩形就是找到的模板區(qū)域了。

注意： 如果你使用的比較方法是 cv2.TM_SQDIFF，最小值對應(yīng)的位置才是匹配的區(qū)域。?

1. OpenCV 中的模板匹配

這里有一個例子：我們在梅西的照片中搜索梅西的面部。所以我們要制作下面這樣一個模板：

我們會嘗試使用不同的比較方法，這樣我們就可以比較一下它們的效果了。

            
              import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg', 0)
img2 = img.copy()
template = cv2.imread('messi_face.jpg', 0)
w, h = template.shape[::-1]

# All the 6 methods for comparison in a list
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

for meth in methods:
    img = img2.copy()
    
    # exec 語句用來執(zhí)行儲存在字符串或文件中的 Python 語句。
    # 例如，我們可以在運行時生成一個包含 Python 代碼的字符串，然后使用 exec 語句執(zhí)行這些語句。
    # eval 語句用來計算存儲在字符串中的有效 Python 表達式
    method = eval(meth)
    # Apply template Matching
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    # 使用不同的比較方法，對結(jié)果的解釋不同
    # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(img, top_left, bottom_right, 255, 2)
    
    plt.subplot(121), plt.imshow(res, cmap='gray')
    plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
    plt.subplot(122), plt.imshow(img, cmap='gray')
    plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    
    plt.show()
            
          

結(jié)果如下：
cv2.TM_CCOEFF

cv2.TM_CCOEFF_NORMED

cv2.TM_CCORR

cv2.TM_CCORR_NORMED

?cv2.TM_SQDIFF

cv2.TM_SQDIFF_NORMED

可以看到 cv2.TM_CCORR 的效果不像我們想的那么好

2 多對象的模板匹配

在前面的部分，我們在圖片中搜素梅西的臉，而且梅西只在圖片中出現(xiàn)了一次。假如你的目標對象只在圖像中出現(xiàn)了很多次怎么辦呢？ 函數(shù) cv.imMaxLoc() 只會給出最大值和最小值。 此時，我們就要使用閾值了 。
在下面的例子中我們要經(jīng)典游戲 Mario 的一張截屏圖片中找到其中的硬幣。?

            
              import cv2
import numpy as np
from matplotlib import pyplot as plt

img_rgb = cv2.imread('mario.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.png', 0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8

# umpy.where(condition[, x, y])
# Return elements, either from x or y, depending on condition.
# If only condition is given, return condition.nonzero().
loc = np.where(res >= threshold)

for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)
    
cv2.imwrite('res.png', img_rgb)
            
          

結(jié)果：

?

參考資料：

1.?OpenCV-Python官方文檔

2.《OpenCV-Python 中文教程》（段力輝 譯）

?

?