首先导入所需库文件，numpy和cv2。
Source code
#导入所需库文件 import cv2 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。
Source code
#加载原始RGB图像 img_rgb = cv2.imread("photo.jpg") #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 img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) #加载将要搜索的图像模板 template = cv2.imread('face.jpg',0) #记录图像模板的尺寸 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。
Source code
#查看三组图像(图像标签名称，文件名称) cv2.imshow('rgb',img_rgb) cv2.imshow('gray',img_gray) cv2.imshow('template',template) cv2.waitKey(0) cv2.destroyAllWindows() |
使用matchTemplate在原始图像中查找并匹配图像模板中的内容，并设置阈值。
Source code
#使用matchTemplate对原始灰度图像和图像模板进行匹配 res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) #设定阈值 threshold = 0.7 #res大于70% 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。
Source code
#使用灰度图像中的坐标对原始RGB图像进行标记 for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (7,249,151), 2) #显示图像 cv2.imshow('Detected',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows() |
以下为完整代码：
Source code
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() |
Source code
image=("photo.jpg") Target=('face.jpg') value=0.9 mathc_img(image,Target,value) |
