前面已经做过 ORB 特征匹配这次换一种完全不同的思路Template Matching模板匹配。这次我用华为云码道辅助开发了一个 OpenCV 模板匹配工具通过把一张小模板在大图中不断滑动寻找局部结构最相似的位置。1. 这次工具做什么主要功能包括上传 Source Image上传 Template Image使用 OpenCV Template Matching调节 Match Threshold自动寻找 Best Match显示 Best Match Score显示 Best Match Position显示 Template Size统计 Match Count支持下载匹配结果整体流程Source Image→ Template Image→ 滑动比较→ Similarity Map→ Best Match→ Threshold Filtering2. 什么是模板匹配模板匹配可以简单理解成拿着一张小图片在大图上从左到右、从上到下不断移动。每移动一个位置就比较当前区域和模板到底有多像。最后就可以找到相似度最高的位置。这和 ORB Feature Matching 不一样。ORB 比较的是局部特征点描述子而 Template Matching 更接近直接比较局部图像结构。3. 核心代码怎么实现这次使用result cv2.matchTemplate( source_gray, template_gray, cv2.TM_CCOEFF_NORMED)其中TM_CCOEFF_NORMED会输出一个归一化的相似度响应图。再通过min_val, max_val, min_loc, max_loc cv2.minMaxLoc(result)就可以得到最佳匹配分数最佳匹配位置这次Best Match Score 0.35704. Best Match Position 是什么本次最终得到Best Match Position (250, 365)这个位置表示模板在 Source Image 中滑动时相似度最高的区域左上角坐标是X 250 Y 365再结合模板尺寸1119 × 211就可以计算出完整矩形框的位置。页面中的红色矩形就是根据这个结果绘制出来的。5. Threshold 有什么作用这次设置Match Threshold 0.80Threshold 的作用是只把相似度足够高的位置认为是真正匹配。例如locations np.where( result 0.8)只有 Match Score ≥ 0.80 的位置才会进入匹配结果。所以 Threshold 越高结果越严格。Threshold 越低会保留更多候选区域。6. 真实测试结果这次测试结果Match Threshold0.80Best Match Score0.3570Best Match Position(250, 365)Template Size1119 × 211Match Count0也就是说虽然算法成功找到了整张图中“最相似”的区域但是这个最高分只有0.3570并没有达到0.80所以最终Match Count 07. 为什么 Match Count 是 0 还有红框这个地方很容易误解。Best Match 和 Threshold Match 是两个不同概念。Best Match 表示所有候选位置里分数最高的那个。即使它只有0.357它依然是“最高分”。而 Match Count 统计的是真正超过 Threshold 的位置数量。本次Best Score 0.3570 Threshold 0.80因为0.3570 0.80所以Match Count 0页面仍然显示红框是为了告诉我们“虽然没有达到设定阈值但最相似的位置在这里。”这个设计反而很方便分析。8. 为什么这次匹配分数不高本次 Template Size1119 × 211是一个比较宽的横向模板。其中包含的不只是狗狗还包含了湖面背景草地局部主体Template Matching 对以下变化比较敏感尺度变化旋转裁剪差异局部内容变化所以最终Best Match Score 0.3570说明 Source Image 中并不存在一个和当前模板高度一致的区域。这正好体现了模板匹配的局限。9. 和 ORB Feature Matching 有什么区别前面做过 ORB Matching。ORB 的特点是先检测关键点再比较描述子。所以它对一定程度的旋转局部变化尺度差异会更有适应能力。而 Template Matching 更像整块模板直接进行局部相似度比较。因此它更适合模板大小接近方向基本一致目标外观变化较小的场景。比如按钮检测图标定位固定零件识别界面元素查找10. 总结这次用华为云码道辅助开发了一个OpenCV 模板匹配工具。核心流程Source Image→ Template→matchTemplate()→ Similarity Map→ Best Match→ Threshold Filtering本次真实结果Match Threshold0.80Best Match Score0.3570Best Match Position(250, 365)Template Size1119 × 211Match Count0这次结果也说明一个很重要的问题“找到最相似的位置”不等于“匹配成功”。真正是否接受这个结果还需要看Best Match Score 是否超过设定的 Threshold。所以模板匹配本质上不仅是在找位置也是在做一次相似度判断。下一篇可以继续换一个不重复的方向图片里的颜色区域怎么单独提取用华为云码道开发 OpenCV HSV 颜色分割工具
