13. 模板匹配-cv2.matchTemplate()、cv2.minMaxLoc()

1. 什么是模板匹配

模板匹配，就是在整个图像区域发现与给定子图像匹配的小块区域，需要模板图像T和待检测图像-源图像S。
       工作方法：在待检测的图像上，从左到右，从上倒下计算模板图像与重叠子图像匹配度，匹配度越大，两者相同的可能性越大。

2. 实现函数-cv2.matchTemplate()、cv2.minMaxLoc()

2.1 cv2.matchTemplate()-模板匹配

• 参数如下:cv2.matchTemplate(image, templ, method, result=None, mask=None)
• 参数说明: 1. image 待检测图像 2. templ 模板图像 3. 比较方法,有以下几种:

• CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
  CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
  CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
  CV_TM_SQDIFF_NORMED 归一化平方差匹配法

  CV_TM_CCORR_NORMED 归一化相关匹配法

  CV_TM_CCOEFF_NORMED 归一化相关系数匹配法

• 关于匹配方法，使用不同的方法产生的结果的意义可能不太一样，有些返回的值越大表示匹配程度越好，而有些方法返回的值越小表示匹配程度越好。

2.2 cv2.minMaxLoc()-获取匹配后的结果

• 参数:cv2.matchTemplate()的返回值
• 返回值:求出匹配结果的最小值，最大值，并得到最大值，最小值的索引

3. 实现代码:

import cv2 as cv
import numpy as np


# 模板匹配，就是在整个图像区域发现与给定子图像匹配的小块区域，
# 需要模板图像T和待检测图像-源图像S
# 工作方法：在待检测的图像上，从左到右，从上倒下计算模板图像与重叠子图像匹配度，
# 匹配度越大，两者相同的可能性越大。
def template_demo():
    tpl = cv.imread("../images/rabbit.jpg")
    target = cv.imread("../images/CrystalLiu22.jpg")
    # cv.imshow("template", tpl)
    # cv.imshow("target", target)

    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]  # 三种模板匹配方法
    th, tw = tpl.shape[:2]       # 获取模板的高、宽

    for md in methods:
        print(md)
        result = cv.matchTemplate(target, tpl, md)  # 得到匹配结果
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result) # 
        if md == cv.TM_SQDIFF_NORMED:  # cv.TM_SQDIFF_NORMED最小时最相似，其他最大时最相似
            tl = min_loc
        else:
            tl = max_loc

        br = (tl[0] + tw, tl[1] + th)
        cv.rectangle(target, tl, br, (0, 0, 255), 2)  # tl为左上角坐标，br为右下角坐标，从而画出矩形
        cv.imshow("match-"+np.str(md), target)


if __name__ == '__main__':
    template_demo()

    cv.waitKey(0) # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()  # 关闭所有窗口