cv2.matchTemplate函数匹配失败

Question

我想比较两个图像并找到第二张图像中模板的位置，所以第一张图像是这样的：

这是我们的模板图像，应与下图进行比较：

但是当我运行代码时，我得到以下结果：

如何改善结果？预先感谢

                import cv2
                import numpy as np
                from imutils.object_detection import non_max_suppression
                import matplotlib.pyplot as plt
                template =cv2.imread("euro.jpg",cv2.IMREAD_COLOR)
                template =cv2.resize(template,(99,99))
                img =cv2.imread("euro_2024.jpg",cv2.IMREAD_COLOR)
                img2 = img.copy()
                # image =cv2.resize(image,(700,700))
                h,w =template.shape[:2]
                
                # All the 6 methods for comparison in a list
                methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
                            'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']
                
                for meth in methods:
                    img = img2.copy()
                    method = eval(meth)
                
                    # Apply template Matching
                    res = cv2.matchTemplate(img,template,method)
                    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
                
                    # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
                    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
                        top_left = min_loc
                    else:
                        top_left = max_loc
                    bottom_right = (top_left[0] + w, top_left[1] + h)
                
                    cv2.rectangle(img,top_left, bottom_right, 255, 2)
                
                    plt.subplot(121),plt.imshow(res,cmap = 'gray')
                    plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
                    plt.subplot(122),plt.imshow(img,cmap = 'gray')
                    plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
                    plt.suptitle(meth)
                
                    plt.show()

Answer 1

这意味着匹配函数仅关注球，而不关注任何背景噪音。
但您还应该将模板转换为灰度，以使其更易于区分。您可以在“OpenCV-Python 教程/OpenCV 中的图像处理/模板匹配”中看到这一点：

template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

。
然后手动确定球的边界框并裁剪模板：

cropped_template = template_gray[y:y+h, x:x+w]

。

OpenCV 的

matchTemplate

可以将 mask 作为可选参数，这告诉它在匹配过程中仅考虑掩模的白色部分。

因此，您可以为裁剪后的模板创建一个遮罩，并将其传递给

matchTemplate

，以便在匹配过程中仅考虑球：

mask = np.zeros(cropped_template.shape, dtype=np.uint8)

使用

numpy.zeros

：`` 它将创建一个与

template_gray

具有相同尺寸的零数组（表示转换为灰度的模板图像）。

在球所在的蒙版上画一个白色圆圈：

cv2.circle(mask, (mask.shape[1]//2, mask.shape[0]//2), radius, 255, -1)

radius

应设置为与模板图像中感兴趣对象的大小相匹配的值，并且

circle

函数将使用值

255

填充圆圈，在蒙版中创建一个白色区域。

您的代码将是：

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

template = cv2.imread("path_to_cropped_template.jpg")
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

x, y, w, h = 100, 100, 50, 50  # Replace with actual values
cropped_template = template_gray[y:y+h, x:x+w]

# Create a mask for the cropped template
mask = np.zeros(cropped_template.shape, dtype=np.uint8)
cv2.circle(mask, (w//2, h//2), w//2, (255), -1)

search_img = cv2.imread("path_to_search_image.jpg")
search_img_gray = cv2.cvtColor(search_img, cv2.COLOR_BGR2GRAY)

res = cv2.matchTemplate(search_img_gray, cropped_template, cv2.TM_CCOEFF_NORMED, mask=mask)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(search_img, top_left, bottom_right, 255, 2)

plt.imshow(cv2.cvtColor(search_img, cv2.COLOR_BGR2RGB))
plt.show()

再次强调，裁剪部分中的

x, y, w, h

应该是实际模板图像中球的坐标和大小。

---

如果模板在搜索图片中出现多次，您可以添加

non_max_suppression

：

import cv2
import numpy as np
import matplotlib.pyplot as plt
from imutils.object_detection import non_max_suppression

template = cv2.imread('path_to_cropped_template.jpg', cv2.IMREAD_COLOR) 
img = cv2.imread('path_to_search_image.jpg', cv2.IMREAD_COLOR)

template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

mask = np.zeros(template_gray.shape, dtype=np.uint8)
cv2.circle(mask, (mask.shape[1] // 2, mask.shape[0] // 2), mask.shape[1] // 2, 255, -1)

h, w = template_gray.shape[:2]

# Match template using the mask
res = cv2.matchTemplate(img_gray, template_gray, cv2.TM_CCOEFF_NORMED, mask=mask)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

# If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
top_left = min_loc if res.min() == min_val else max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

cv2.rectangle(img, top_left, bottom_right, (255, 0, 0), 2)

# Apply non-maximum suppression to the bounding boxes
rects = [[*top_left, *bottom_right]]
pick = non_max_suppression(np.array(rects))

for (startX, startY, endX, endY) in pick:
    cv2.rectangle(img, (startX, startY), (endX, endY), (0, 255, 0), 2)

plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Detected Point')
plt.show()