OpenCV多目标匹配绘制红框及统计铁路站台总数、最短距离地铁站实战（附Python源码）

╰半夏微凉° 2023-09-30 18:59 22阅读 0赞

> **需要源码和图片请点赞关注收藏后评论区留言私信~~~**

## 多目标匹配 ##

多目标匹配需要将原始图像中所有与模板相似的图像都找出来，使用相关匹配或者相关系数匹配可以很好的实现这个功能，如果计算结果大于某值，则认为匹配区域的图案和模板是相同的

### 实战1 ###

为原始图片中所有匹配成功的图案绘制红框

结果如下图所示 左边的为模板图片 右边的是在原始图片中匹配到了三个与模板图片相似的图片，并且用红框圈出

![ecb5a3d7b94d4c2d85e61b934c7a12e5.png][]

代码如下

import cv2
    img = cv2.imread(".jpg")  # 读取原始图像
    templ = cv2.imread("template.png")  # 读取模板图像
    width, height, c = empl.shape  # 获取模板图像的宽度、高度和通道数
    results = cv2.matchemplate(img, templ, cv2.TM_CCOEFF_NORMED)  # 按照标准相关系数匹配
    for y in range(len(results)):  # 遍历结果数组的行
        for x in range(ln(results[y])):  # 遍历结果数组的列
            if results[y][x] > 0.:  # 如果相关系数大于0.99则认为匹配成功
                # 在最佳匹配结位置绘制红色方框
                cv2.rectangimgx, y), (x + width, y + height), (0, 0, 255), 2)
    cv2.imshow("temp",templ)
    cv2.imshow("img, img)  # 显示匹配的结果
    cv2.waitKey()   任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

### 实战2 ###

多目标匹配在生活中有很多应用场景 例如统计一条线路的站台总数

模板如下

![c51fd3f92378436a9a88be3b055c4179.png][]

在原始图像中标记线路的各个站台，统计这条线路的站台总数

![eea66379d2be42d2b78c209c6fb5b87e.png][]

代码如下

import cv2
    
    image = cv2.imread("imag.png")  # 读取原始图像
    templ = cv2.imread("templp")  # 读取模板图像
    height, width, c = templhape  # 获取模板图像的高度、宽度和通道数
    results = cv2.matchTemplate(image, templ, cv2.TM_CCOEFF_NORMED)  # 按照标准相关系数匹配
    station_Num = 0  # 初始化快轨的台个数为0
    for y in range(len(results)):  # 遍历结果数组的行
        for x in range(len(results[y):# 遍历结果数组的列
            if results[y][x] > 0.99:  # 如果相关系数大于0.99则认为匹配成功
                # 在最佳匹配结果位置绘制蓝色矩形边框
                cv2.rectangle(image, (x, y), (x + width, y + height), (255, 0, 0), 2)
                station_Num += 1  # 快轨的站台个数加1
    cv2.putText(image, "the numbersof stations: " + str(station_Num), (0, 30),
             cv2.FONT_HERSHEY_COMPLEX_SMA, (0, 0, 255), 1)  # 在原始图像绘制快轨站台的总数
    cv2.imshow("temp",templ)
    cv2.imshow("result", image)  # 显示匹配的结果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

### 实战3 ###

同一地点附近有两个地铁站，优先选择直线距离最短的地铁站

可以先在原始图像中标记出这两个地铁站，然后计算坐标与这两个地铁站之间的直线距离

我们将匹配结果用蓝色边框圈出，然后用绿色线段标出直线距离最短的地铁站

![e6c0352dc6ab48d396202949329d3288.png][]

代码如下

import cv2
    import numpy as np
    import ath
    
    image = cv2.imread("image.png")  # 读取原始图像
    templ =v2imead("templ.png")  # 读取模板图像
    height, width, c = teml.shape  # 获取模板图像的高度、宽度和通道数
    results = cv2.matchTemplate(image, templ, cv2.TM_CCOEFF_NORMED)  # 按照标准相关系数匹配
    point_X = []  # 用于存储最佳匹配结果左上角横坐标的列表for y in range(len(results)):  # 遍历结果数组的行
        for x in range(len(results[y])):  # 遍历结果数组的列
           if results[y][x] > 0.99:  # 如果相关系数大于0.99则认为匹配成功
                # 在最佳匹配结果位置绘制红色方框
                cv2.rectangle(image, (x, y), (x + width, y + height), (255, 0, 0), 2)
                point_X.extend([x])  # 把最佳匹配结果左上角的横坐标添加到列表中
               point_Y.extend([y])  # 把最佳匹配结果左上角的纵坐标添加到列表中
    # 出发点的横、纵坐标
    start_X = 62
    start_Y = 150
    # 计算出发点到人民广场地铁站的距离
    place_Square = np.array([point_X[0], point_Y[0]])
    place_Start = np.array([start_X, start_Y])
    start_Square = math.hypot(minus_SS[0], minus_SS[1])
    #出发点到大路地铁站的距离
    place_Highad = array([point_X[1], point_Y[1]])
    nu_HS = place_Highroad - place_Start
    start_Highroad = math.hypot(minus_HS[0], minus_HS[1])
    # 用绿色的线画出距离较短的路线
    if start_Square < start_Highroad:
        cv2.line(image, (start_X, start_Y), (point_X[0], point_Y[0]), (0, 255, 0), 2)
    else:
        cv2.line(image, (start_X, start_Y), (point_X[1], point_Y[1]), (0, 255, 0), 2)
    cv2.imshow("result", image)  # 显示匹配的结果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

**创作不易 觉得有帮助请点赞关注收藏~~~**

[ecb5a3d7b94d4c2d85e61b934c7a12e5.png]: https://img-blog.csdnimg.cn/ecb5a3d7b94d4c2d85e61b934c7a12e5.png
[c51fd3f92378436a9a88be3b055c4179.png]: https://img-blog.csdnimg.cn/c51fd3f92378436a9a88be3b055c4179.png
[eea66379d2be42d2b78c209c6fb5b87e.png]: https://img-blog.csdnimg.cn/eea66379d2be42d2b78c209c6fb5b87e.png
[e6c0352dc6ab48d396202949329d3288.png]: https://img-blog.csdnimg.cn/e6c0352dc6ab48d396202949329d3288.png