如何使用Python+OpenCV进行图像模板匹配(MatchTemplate)

这篇文章主要为大家展示了“如何使用Python+OpenCV进行图像模板匹配(Match Template)”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“如何使用Python+OpenCV进行图像模板匹配(Match Template)”这篇文章吧。

贵阳ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联公司的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：13518219792（备注：SSL证书合作）期待与您的合作！

首先导入所需库文件，numpy和cv2。

#导入所需库文件 import cv2 import numpy as np

然后加载原始图像和要搜索的图像模板。OpenCV对原始图像进行处理，创建一个灰度版本，在灰度图像里进行处理和查找匹配。然后使用相同的坐标在原始图像中进行还原并输出。

#加载原始RGB图像 img_rgb = cv2.imread("photo.jpg") #创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原 img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)   #加载将要搜索的图像模板 template = cv2.imread('face.jpg',0) #记录图像模板的尺寸 w, h = template.shape[::-1]

这里我们分别输出并查看原始图像，原始图像的灰度版本，以及图像模板。

#查看三组图像(图像标签名称，文件名称) cv2.imshow('rgb',img_rgb) cv2.imshow('gray',img_gray) cv2.imshow('template',template) cv2.waitKey(0) cv2.destroyAllWindows()

使用matchTemplate在原始图像中查找并匹配图像模板中的内容，并设置阈值。

#使用matchTemplate对原始灰度图像和图像模板进行匹配 res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) #设定阈值 threshold = 0.7 #res大于70% loc = np.where( res >= threshold)

匹配完成后在原始图像中使用灰度图像的坐标对原始图像进行标记。

#使用灰度图像中的坐标对原始RGB图像进行标记 for pt in zip(*loc[::-1]):     cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) #显示图像     cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows()

以下为完整代码：

def mathc_img(image,Target,value):     import cv2     import numpy as np     img_rgb = cv2.imread(image)     img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)     template = cv2.imread(Target,0)     w, h = template.shape[::-1]     res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)     threshold = value     loc = np.where( res >= threshold)     for pt in zip(*loc[::-1]):         cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2)        cv2.imshow('Detected',img_rgb)     cv2.waitKey(0)     cv2.destroyAllWindows()

image=("photo.jpg") Target=('face.jpg') value=0.9 mathc_img(image,Target,value)

以上是“如何使用Python+OpenCV进行图像模板匹配(Match Template)”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！