本篇文章介绍使用Python和OpenCV对图像进行模板匹配和识别。模板匹配是在图像中寻找和识别模板的一种简单的方法。以下是具体的步骤及代码。

首先导入所需库文件，numpy和cv2。

1. #导入所需库文件 
2. import cv2 
3. import numpy as np 

然后加载原始图像和要搜索的图像模板。OpenCV对原始图像进行处理，创建一个灰度版本，在灰度图像里进行处理和查找匹配。然后使用相同的坐标在原始图像中进行还原并输出。

1. #加载原始RGB图像 
2. img_rgb = cv2.imread("photo.jpg") 
3. #创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原 
4. img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) 
5.   
6. #加载将要搜索的图像模板 
7. template = cv2.imread('face.jpg',0) 
8. #记录图像模板的尺寸 
9. w, h = template.shape[::-1] 

这里我们分别输出并查看原始图像，原始图像的灰度版本，以及图像模板。

1. #查看三组图像(图像标签名称，文件名称) 
2. cv2.imshow('rgb',img_rgb) 
3. cv2.imshow('gray',img_gray) 
4. cv2.imshow('template',template) 
5. cv2.waitKey(0) 
6. cv2.destroyAllWindows() 

使用matchTemplate在原始图像中查找并匹配图像模板中的内容，并设置阈值。

1. #使用matchTemplate对原始灰度图像和图像模板进行匹配 
2. res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) 
3. #设定阈值 
4. threshold = 0.7 
5. #res大于70% 
6. loc = np.where( res >= threshold) 

匹配完成后在原始图像中使用灰度图像的坐标对原始图像进行标记。

1. #使用灰度图像中的坐标对原始RGB图像进行标记 
2. for pt in zip(*loc[::-1]): 
3.     cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) 
4. #显示图像     
5. cv2.imshow('Detected',img_rgb) 
6. cv2.waitKey(0) 
7. cv2.destroyAllWindows() 

以下为完整代码：

1. def mathc_img(image,Target,value): 
2.     import cv2 
3.     import numpy as np 
4.     img_rgb = cv2.imread(image) 
5.     img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) 
6.     template = cv2.imread(Target,0) 
7.     w, h = template.shape[::-1] 
8.     res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) 
9.     threshold = value 
10.     loc = np.where( res >= threshold) 
11.     for pt in zip(*loc[::-1]): 
12.         cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2)    
13.     cv2.imshow('Detected',img_rgb) 
14.     cv2.waitKey(0) 
15.     cv2.destroyAllWindows() 

1. image=("photo.jpg") 
2. Target=('face.jpg') 
3. value=0.9 
4. mathc_img(image,Target,value) 

【编辑推荐】