opencv python模板匹配得到坐标和角度

原创

mob64ca12d39d4a 2023-08-11 04:07:37 ©著作权

文章标签 模板匹配 OpenCV Python 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12d39d4a的原创作品，请联系作者获取转载授权，否则将追究法律责任

OpenCV Python模板匹配得到坐标和角度

引言

图像处理技术在现代科技和生活中扮演着重要的角色，而图像识别和模式匹配是其中的一项关键技术。OpenCV是一个强大的计算机视觉库，提供了许多用于图像处理和模式匹配的功能。本文将介绍如何使用OpenCV Python进行模板匹配，并得到匹配结果的坐标和角度。

模板匹配的原理

模板匹配是一种基于像素级别的图像匹配方法。它通过在目标图像上滑动一个固定大小的模板图像，并计算模板图像与目标图像的相似度来找到最佳匹配位置。相似度通常使用像素差值或相关性来度量。

模板匹配的步骤

下面是使用OpenCV Python进行模板匹配的一般步骤：

加载目标图像和模板图像
使用模板图像在目标图像上滑动，并计算相似度
找到最佳匹配位置的坐标和角度
可视化匹配结果

代码示例

以下是一个简单的代码示例，演示了如何使用OpenCV Python进行模板匹配，并得到匹配结果的坐标和角度。

首先，我们需要导入OpenCV库和NumPy库：

import cv2
import numpy as np

接下来，我们加载目标图像和模板图像：

# 加载目标图像
target_image = cv2.imread('target_image.png', 0)

# 加载模板图像
template_image = cv2.imread('template_image.png', 0)

然后，我们使用模板匹配函数cv2.matchTemplate()在目标图像上滑动模板图像，并计算相似度。

# 使用模板匹配函数
result = cv2.matchTemplate(target_image, template_image, cv2.TM_CCOEFF_NORMED)

# 找到最佳匹配位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
top_left = max_loc

在cv2.matchTemplate()函数中，我们使用了cv2.TM_CCOEFF_NORMED作为匹配方法，它计算了归一化的相关性系数。函数的返回值result是一个浮点数矩阵，代表了目标图像上每个位置的相似度。

接下来，我们找到最佳匹配位置并获取其左上角坐标top_left。

最后，我们可以可视化匹配结果，将匹配位置和角度标记在目标图像上：

# 获取模板图像的宽度和高度
w, h = template_image.shape[::-1]

# 绘制匹配结果矩形框
cv2.rectangle(target_image, top_left, (top_left[0] + w, top_left[1] + h), (0, 0, 255), 2)

# 显示匹配结果图像
cv2.imshow('Match Result', target_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这段代码中，我们首先获取了模板图像的宽度和高度。然后，使用cv2.rectangle()函数在目标图像上绘制了一个矩形框，标记了匹配位置。最后，使用cv2.imshow()函数显示了匹配结果图像，并使用cv2.waitKey()和cv2.destroyAllWindows()函数来控制窗口的显示。