OpenCV 模板匹配

更新時(shí)間：2019年07月10日 10:40:32 作者：法納斯特

這篇文章主要介紹了OpenCV 模板匹配功能，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

最近小編實(shí)現(xiàn)一個(gè)微信小程序「跳一跳」的自動(dòng)化。

主要涉及到了OpenCV的模板匹配和邊緣檢測(cè)技術(shù)，以及Android開(kāi)發(fā)調(diào)試工具ADB。

如果放在一起說(shuō)，感覺(jué)內(nèi)容有些多。

所以，分三期來(lái)講，也能多了解一些東西。

首先介紹模板匹配，然后邊緣檢測(cè)，最后結(jié)合ADB實(shí)現(xiàn)「跳一跳」自動(dòng)化。

游戲雖然過(guò)時(shí)了，但是拿來(lái)練練手還是不錯(cuò)的。

編程就該是快樂(lè)的，哈哈。

/ 01 / 模板匹配

模板匹配，就是在整個(gè)圖像區(qū)域里發(fā)現(xiàn)與給定子圖像相匹配的小塊區(qū)域。

這里需要一個(gè)模板圖像(給定的子圖像)和一個(gè)待檢測(cè)的圖像(原圖像)。

在待檢測(cè)圖像上，從左向右，從上向下計(jì)算模板圖像與重疊子圖像的匹配度，匹配度越大，兩者相同的可能性越大。

這里主要涉及OpenCV的cv2.matchTemplate()和cv2.minMaxLoc()函數(shù)。

第一個(gè)函數(shù)作用是在模板和輸入圖像之間尋找匹配，獲得匹配結(jié)果圖像。

第二個(gè)函數(shù)的作用則是在給定的矩陣中尋找最大和最小值(包括它們的位置)。

其中模板匹配算法有以下六種。

# 第一類,利用平方差來(lái)進(jìn)行匹配,最好匹配為0.匹配越差,匹配值越大
# 平方差匹配
method=CV_TM_SQDIFF
# 標(biāo)準(zhǔn)平方差匹配
method=CV_TM_SQDIFF_NORMED
# 第二類,采用模板和圖像間的乘法操作,所以較大的數(shù)表示匹配程度較高,0標(biāo)識(shí)最壞的匹配效果
# 相關(guān)匹配
method=CV_TM_CCORR
# 標(biāo)準(zhǔn)相關(guān)匹配
method=CV_TM_CCORR_NORMED
# 第三類,將模版對(duì)其均值的相對(duì)值與圖像對(duì)其均值的相關(guān)值進(jìn)行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒(méi)有任何相關(guān)性(隨機(jī)序列)
# 相關(guān)系數(shù)匹配
method=CV_TM_CCOEFF
# 標(biāo)準(zhǔn)相關(guān)系數(shù)匹配
method=CV_TM_CCOEFF_NORMED

標(biāo)準(zhǔn)化意味著將數(shù)值統(tǒng)一到0~1。

除了平方差類型的是值越小越好，其他的都是值越大越好。

/ 02 / 圖像檢索

首先來(lái)看一下兩張圖像，都為灰度圖。

import cv2
# 讀取待檢測(cè)圖像
img = cv2.imread('game.png', 0)
# 讀取模板圖像
temple = cv2.imread('temple.png', 0)
# 顯示灰度處理后的待檢測(cè)圖像
cv2.namedWindow('sample', 0)
cv2.resizeWindow('sample', 400, 600)
cv2.imshow('sample', img)
# 顯示灰度處理后的模板圖像
cv2.namedWindow('target', 0)
cv2.resizeWindow('target', 400, 600)
cv2.imshow('target', temple)

輸出結(jié)果如下。

第一張為模板圖像，第二張為待檢測(cè)圖像。

下面使用OpenCV的兩個(gè)函數(shù)，來(lái)實(shí)現(xiàn)模板匹配。

# 獲取模板圖像的高和寬
th, tw = temple.shape[:2]
print(th, tw)
# 使用標(biāo)準(zhǔn)相關(guān)系數(shù)匹配,1表示完美匹配,-1表示糟糕的匹配,0表示沒(méi)有任何相關(guān)性
result = cv2.matchTemplate(img, temple, cv2.TM_CCOEFF_NORMED)
# result為匹配結(jié)果矩陣
# print(result)
# TM_CCOEFF_NORMED方法處理后的結(jié)果圖像
cv2.namedWindow('match_r', 0)
cv2.resizeWindow('match_r', 400, 600)
# 顯示窗口
cv2.imshow('match_r', result)
# 使用函數(shù)minMaxLoc,確定匹配結(jié)果矩陣的最大值和最小值(val)，以及它們的位置(loc)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
# 此處選取最大值的位置,為圖像的左上角
tl = max_loc
# 獲取圖像的右下角
br = (tl[0]+tw, tl[1]+th)
# 繪制矩形框
cv2.rectangle(img, tl, br, (0, 0, 255), 2)
# 設(shè)置顯示窗口
cv2.namedWindow('match', 0)
cv2.resizeWindow('match', 400, 600)
# 顯示窗口
cv2.imshow('match', img)
# 結(jié)束
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果如下。