限定区域检测：
其他：
1，功能介绍
matchTemplate函数主要应用于，寻找一张图片在另一张图片中的位置。
先看一个实际测试示例，在一张普通图片中找到其中的水印位置。下图依次为水印template图——图1，测试图——图2，在原图中根据结果画出的水印位置图——图3。
图1：
图2：
图3：
2，函数分析
2.1参数分析
该函数第一个参数是源图像，第二个参数是模板图像，第三个参数是匹配的结果图像，第四个参数是用于指定比较的方法。
2.2实现原理
- 我们需要2幅图像:
- 原图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域
- 模板 (T): 将和原图像比照的图像块
我们的目标是检测最匹配的区域:
- 为了确定匹配区域, 我们不得不滑动模板图像和原图像进行 比较 :
- 通过 滑动, 我们的意思是图像块一次移动一个像素 (从左往右,从上往下). 在每一个位置, 都进行一次度量计算来表明它是 “好” 或 “坏” 地与那个位置匹配 (或者说块图像和原图像的特定区域有多么相似).
- 对于 T 覆盖在 I 上的每个位置,你把度量值 保存 到 结果图像矩阵(R) 中. 在 R 中的每个位置 都包含匹配度量值:
上图就是 TM_CCORR_NORMED 方法处理后的结果图像 R . 最白的位置代表最高的匹配. 正如您所见, 红色椭圆框住的位置很可能是结果图像矩阵中的最大数值, 所以这个区域 (以这个点为顶点,长宽和模板图像一样大小的矩阵) 被认为是匹配的.
- 实际上, 我们使用函数 minMaxLoc 来定位在矩阵 R 中的最大值点 (或者最小值, 根据函数输入的匹配参数) .
2.3 支持的算法
OpenCV通过函数 matchTemplate 实现了模板匹配算法. 可用的方法有6个。通常,随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价). 最好的办法是对所有这些设置多做一些测试实验,以便为自己的应用选择同时兼顾速度和精度的最佳方案.
1、cv::TM_SQDIFF：该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差。
2、cv::TM_SQDIFF_NORMED：该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处。
3、cv::TM_CCORR：相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳匹配位置在值最大处，值越小匹配结果越差。
4、cv::TM_CCORR_NORMED：归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。
5、cv::TM_CCOEFF：相关性系数匹配方法，该方法使用源图像与其均值的差、模板与其均值的差二者之间的相关性进行匹配，最佳匹配结果在值等于1处，最差匹配结果在值等于-1处，值等于0直接表示二者不相关。
在这里
6、cv::TM_CCOEFF_NORMED：归一化的相关性系数匹配方法，正值表示匹配的结果较好，负值则表示匹配的效果较差，也是值越大，匹配效果也好。
匹配方法的选取根据实际情况而定，这里我们选择的方法是cv::TM_CCOEFF_NORMED，源图像和匹配的相似度图如下：
因此，我们若想找到最佳匹配位置，只需要找到匹配结果图像的最大值点即可，这里我们使用cv::minMaxLoc()函数（具体请参考cv::Mat中最值和均值的求解）来找这个最大值点。找到结果后，将其绘制到原图像上，效果如下图所示（圆等图形的绘制请参考OpenCV3中的绘图详解），这里注意匹配结果图像与原图像之间的大小关系，他们之间差了一个模板大小。
测试代码：
1.匹配单个对象
def MatchOne(image,template):
# w, h = template.shape[::-1]
h ,w = template.shape[0],template.shape[1]
res = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
print(type(res), res.shape)
# print(res)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print(type(max_loc), type(max_val))
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(image, top_left, bottom_right, 255, 2)
cv2.imshow('res', res)
cv2.imshow('result', image)
cv2.waitKey(0)
if 0xFF == ord('q'):
cv2.destroyAllWindows()2，匹配多个对象
def MultiObjMatch1(image,template):
print(type(image), image.shape)
print(type(template), template.shape)
# image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# template = cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
res = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
h, w = template.shape[0], template.shape[1]
# res = cv2.resize(res,(image.shape[1],image.shape[0]))
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print('maxval:',max_val,'max_loc_val:',res[max_loc[1]][max_loc[0]])
# print(len(res),len(res[0]))
print('type of res value:',type(res[0][0]), res.shape)
print('type of min_val:',type(min_val))
print('type of min_val convert to numpy:',type(np.float32(min_val)))
# print('min:', min_val, 'max:', max_val)
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(image, top_left, bottom_right, 255, 2)
res = (res - min_val) / (max_val - min_val)
for i in range(len(res)):
for j in range(len(res[i])):
if res[i][j] >0.95:
print(i,j,res[i][j])
top_left = (j,i)
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(image, top_left, bottom_right, 255, 2)
cv2.imshow('res', res)
cv2.imshow('compare', image)
res = res*255
cv2.imwrite('./images/fangmaskreslut_'+str(int(time.time()))+'.jpg',image)
cv2.imwrite('./images/fangmaskreslut_res_'+str(int(time.time()))+'.jpg',res)
cv2.waitKey(0)
if 0xFF == ord('q'):
cv2.destroyAllWindows()
pass方法2
#将上一个max位置矩阵内的值都置为最小值，然后重新找最大值及其位置
def getNextMax(res,max_loc,min_val,h, w):
for i in range(max_loc[0],min(max_loc[0]+w,res.shape[1])):
for j in range(max_loc[1],min(max_loc[1]+h,res.shape[0])):
res[j][i]=min_val
# print('change value')
res = np.float32(res)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# print('max_val:',max_val)
return min_val, max_val, min_loc, max_loc,res
pass
def MultiObjMatch2(image,template):
print(type(image), image.shape)
print(type(template), template.shape)
# image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# template = cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
res = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
h, w = template.shape[0], template.shape[1]
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print('start while')
while max_val>0.6:
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(image, top_left, bottom_right, 255, 2)
min_val, max_val, min_loc, max_loc ,res= getNextMax(res,max_loc,min_val,h, w)
print(max_val)
cv2.imshow('res', res)
cv2.imshow('compare', image)
# cv2.imwrite('./images/fangmaskreslut.jpg',image)
# cv2.imwrite('./images/fangmaskreslut_res.jpg',res)
cv2.waitKey(0)
if 0xFF == ord('q'):
cv2.destroyAllWindows()
pass效果图：
实景图测试效果：
