本篇文章介紹使用Python和OpenCV對(duì)圖像進(jìn)行模板匹配和識(shí)別。模板匹配是在圖像中尋找和識(shí)別模板的一種簡(jiǎn)單的方法。以下是具體的步驟及代碼。

首先導(dǎo)入所需庫(kù)文件，numpy和cv2。

#導(dǎo)入所需庫(kù)文件 
import cv2 
import numpy as np 

然后加載原始圖像和要搜索的圖像模板。OpenCV對(duì)原始圖像進(jìn)行處理，創(chuàng)建一個(gè)灰度版本，在灰度圖像里進(jìn)行處理和查找匹配。然后使用相同的坐標(biāo)在原始圖像中進(jìn)行還原并輸出。

#加載原始RGB圖像 
img_rgb = cv2.imread("photo.jpg") 
#創(chuàng)建一個(gè)原始圖像的灰度版本，所有操作在灰度版本中處理，然后在RGB圖像中使用相同坐標(biāo)還原 
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) 
  
#加載將要搜索的圖像模板 
template = cv2.imread('face.jpg',0) 
#記錄圖像模板的尺寸 
w, h = template.shape[::-1] 

這里我們分別輸出并查看原始圖像，原始圖像的灰度版本，以及圖像模板。

#查看三組圖像(圖像標(biāo)簽名稱，文件名稱) 
cv2.imshow('rgb',img_rgb) 
cv2.imshow('gray',img_gray) 
cv2.imshow('template',template) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

使用matchTemplate在原始圖像中查找并匹配圖像模板中的內(nèi)容，并設(shè)置閾值。

#使用matchTemplate對(duì)原始灰度圖像和圖像模板進(jìn)行匹配 
res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) 
#設(shè)定閾值 
threshold = 0.7 
#res大于70% 
loc = np.where( res >= threshold) 

匹配完成后在原始圖像中使用灰度圖像的坐標(biāo)對(duì)原始圖像進(jìn)行標(biāo)記。

#使用灰度圖像中的坐標(biāo)對(duì)原始RGB圖像進(jìn)行標(biāo)記 
for pt in zip(*loc[::-1]): 
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) 
#顯示圖像     
cv2.imshow('Detected',img_rgb) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

以下為完整代碼：

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)