【千律】OpenCV基础：基于灰度的模板匹配

用途：文字识别、目标检测、工件定位、元器件检查
优点：简单
缺点：速度慢
实现步骤：
1.给定原图像I和模板T
2.指定差异度（相似度）评价标准
3.从左向右，从上到下，截取与模板大小相同的原图像区域，与模板计算评分
4.寻找获得最佳匹配
opencv：对RGB彩色图，分别对每个通道计算评分值，再求三个通道的平均值作为最终评分值。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


# 封装图片显示函数
def image_show(image):
    if image.ndim == 2:
        plt.imshow(image, cmap='gray')
    else:
        image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        plt.imshow(image)
    plt.show()


if __name__ == '__main__':

    # 读取灰度图
    img_lenna = cv.imread('lenna.png')

    # 截取感兴趣区域
    img_part = img_lenna[200: 300, 200: 300]

    # 模板匹配
    img_match = cv.matchTemplate(img_lenna, img_part, cv.TM_CCOEFF_NORMED)

    # 绘制热力图
    plt.imshow(img_match, cmap='jet')
    plt.show()

    # 获取最佳位置
    minv, maxv, minLoc, maxLoc = cv.minMaxLoc(img_match)

    # 显示选择区域
    img_lenna = cv.rectangle(img_lenna, maxLoc, (maxLoc[0] + img_part.shape[1], maxLoc[1] + img_part.shape[0]), (125, 125, 0), 2)

    # 显示结果
    image_show(img_lenna)

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


# 封装图片显示函数
def image_show(image):
    if image.ndim == 2:
        plt.imshow(image, cmap='gray')
    else:
        image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        plt.imshow(image)
    plt.show()


if __name__ == '__main__':

    # 读取灰度图
    img_lenna = cv.imread('lenna.png')

    # 截取感兴趣区域
    img_part = img_lenna[250: 300, 250: 300]

    # 模板匹配
    img_match = cv.matchTemplate(img_lenna, img_part, cv.TM_CCOEFF_NORMED)

    # 绘制热力图
    plt.imshow(img_match, cmap='jet')
    plt.show()

    # 设定阈值
    threshold = 0.7

    # 循环选择区域
    img_x, img_y = np.where(img_match > threshold)

    for (x, y) in zip(img_x, img_y):
        img_lenna = cv.rectangle(img_lenna, (x, y), (x + img_part.shape[0], y + img_part.shape[0]), (125, 125, 0), 1)

    # 显示结果
    image_show(img_lenna)