OpenCV多模板匹配讲解与匹配汽车实战（附Python源码）

小咪咪 2023-09-30 18:59 104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~~~**

## 一、多模板匹配 ##

匹配过程中同时查找多个模板的操作叫做多模板匹配，多模板匹配实际上就是进行了n次单模板多目标匹配操作，n的数量为模板总数

### 实战1：同时匹配三个不同的模板 ###

每一个模板都要做一次单模板多目标匹配，最后把所有模板的匹配结果汇总到一起，单模板多目标匹配的过程可以封装成一个方法，方法参数为模板和原始图像，方法内部将计算结果再加工以下，直接返回所有红框左上角和右下角两点横纵坐标的列表，在方法之外，将所有模板计算得出的坐标汇总到一个列表中，按照这些汇总的坐标一次性将所有红框都绘制出来 效果如下

![19c0406d2cbb45628f2191fa8f8cf89d.png][]

其中模板就是里面的三个图像

部分代码如下

import cv2
    
    def myMatchTemplate(img, templ):  # 自定义方法：获取模板匹配成功后所有红框位置的坐标
        width height, c = templ.hape  # 获取模板图像的宽度、高度和通道数
        results = cv2.matchTemplate(img, templ, cv2.TM_CCOEFF_NORMED)  # 按照标准相关系数匹配
        loc = list()  # 红框的列表
        for i in range(len(results)):  # 遍历结果数组的行            if results[i][j 0.99:  # 如果相关系数大于0.99则认为匹配成功
                    # 在列表中添加匹配 j + width, i + height))
        return lo
    
    img = cv2.imread("background2.jpg")  # 读取原始图像
    templs = list()  # 模板列templs.append(cv2.imread("template.png"))  # 添加模板1
    templs.append(cv2.imr=d("tempe2.=png"))  # 添加模板2
    templs.append(cv2.imr=ead("template3.png"))  # 添加模板3
    =
    loc = list()  # 所有模板匹配成功位置的红框坐标列表
    for t in templs:  # 遍历所有模板
        loc += myMatchTemplate(img, t)  # 记录该模板匹配得出的
    
    for i in loc:  # 遍历所红框的坐标
        cv2.rectanglimg, (i[0], i[1]), (i[2], i[3]), (0, 0, 255), 2)  # 在图片中绘制红框
    
    cv2.imshow("img", img)  # 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

使用多模板匹配能够解决很多生活中的实际问题，例如一个收费停车场有四个车位，车位上陆续地停放了四辆车，通过多模板匹配，能够知晓这四辆车分别停在了哪个车位上，接下来模拟这一生活场景

### 实战2：使用多模板匹配让控制台判断四辆车分别停在了哪个车位上 ###

模板图如下

![6dcb2006de5c4403ae3c1a5055abb92a.png][]

其中车的顺序是橙色-蓝色-红色-绿色

输出结果如下

![496fa60139d9455489f51756c47b6a93.png][]

可见正确的判断了不同车处于哪个停车位上

部分代码如下

import cv2
    
    image = cv2.imread("image.png")  # 读取原始图像
    templs = []  # 模板列表
    templs.append(cv2.imread("car1.png"))  # 添加模板图像1
    templs.append(cv2.("car2.png"))  # 添加模板图像2
    templs.aend(cv2.imread("car3.png"))  # 添加模板图像3
    templs.append(cv2.imread("car4.png"))  # 添加模板图像3
    for car in tems:  # 遍历所有模板图像
        # 按照标准相关系数匹配
        results = cv2.matchTemplate(image, car, cv2.TM_CCOEFF_NORMED)
        for i in range(len(results)):  # 遍历结果数组的行
            for j in range(n(results[i])):  # 遍历结果数组的列
                # print(results[i][j])
                if results[i]] > 0.99:  # 如果相关系数大于0.99则认为匹配成功
                    if 0 < j  140:
                        print("车位编号:", 1)
                    elif j <= 330:
                        print("车位编号:", 2)
                    elif j <= 500:
                        print("车位编号:", 3)
                    else:
                        print("车位编号:", 4)
                    break

## 总结 ##

模板匹配包括单模板匹配和多模板匹配，单模板匹配又包括单目标匹配和多目标匹配。实现这些内容的基础方法就是模板匹配方法，即matchTemplate()方法。其中，读者朋友重点掌握模板匹配方法的6个参数值。此外，为了实现单目标匹配，除了需要使用模板匹配方法matchTemplate()外，还要使用minMaxLoc()方法，这个方法返回的就是单目标匹配的最优结果。对于多目标匹配，读者朋友要将它和多模板匹配区分开：多目标匹配只有一个模板，而多模板匹配则有多个模板

**创作不易 觉得有帮助请点赞关注收藏~~~**

[19c0406d2cbb45628f2191fa8f8cf89d.png]: https://img-blog.csdnimg.cn/19c0406d2cbb45628f2191fa8f8cf89d.png
[6dcb2006de5c4403ae3c1a5055abb92a.png]: https://img-blog.csdnimg.cn/6dcb2006de5c4403ae3c1a5055abb92a.png
[496fa60139d9455489f51756c47b6a93.png]: https://img-blog.csdnimg.cn/496fa60139d9455489f51756c47b6a93.png