【千律】OpenCV基础：基于梯度的模板匹配

主要关注边缘信息，能够较好的识别不同颜色的目标
实现步骤：
1.给定原图像I和模板T
2.指定差异度（相似度）评分标准
   截取与模板大小相同的原图像区域P，与模板计算评分
   1) 计算图片P上各点的x和y方向的梯度Px和Py
   2) 计算图片T上各点的x和y方向的梯度Tx和Ty
   3) 计算对应点的点乘结果并标准化，求和
3.从左向右，从上到下，寻找最佳匹配。
注：如果恰好完美匹配，则评分为1，若P和T完全无关，则评分为0 

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', 0)

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

    # 获取模板图片的长和宽
    height, width = img_part.shape

    # 获取原图像的梯度
    img_gradx = cv.Sobel(img_lenna, cv.CV_64F, 1, 0)
    img_grady = cv.Sobel(img_lenna, cv.CV_64F, 0, 1)

    # 获取模板图像的梯度
    img_partx = cv.Sobel(img_part, cv.CV_64F, 1, 0)
    img_party = cv.Sobel(img_part, cv.CV_64F, 0, 1)

    # 循环计算评价值
    score = np.zeros((img_lenna.shape[0] - height, img_lenna.shape[1] - width))
    for i in range(img_lenna.shape[0] - height):
        for j in range(img_lenna.shape[1] - width):
            img_matchx = img_gradx[i: i + height, j: j + width]
            img_matchy = img_grady[i: i + height, j: j + width]

            socre1 = (img_matchx * img_partx) + (img_matchy * img_party)
            socre2 = np.sqrt(img_matchx ** 2 + img_matchy ** 2) * np.sqrt(img_partx ** 2 + img_party ** 2)

            score[i, j] = (socre1 / (socre2 + 1e-9)).mean()

    # 绘制热力图
    plt.imshow(score.clip(0, 0.5), cmap='jet')
    plt.show()

    # 设定阈值
    threshold = 0.6

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

    for (x, y) in zip(img_x, img_y):
        img_lenna = cv.rectangle(img_lenna, (x, y), (x + height, y + width), (255, 255, 255), 1)

    # 显示结果
    image_show(img_lenna)