OpenCV 模板匹配去重

根据不同匹配结果间的距离远近进行去重操作。

检测效果

源码

import cv2
import numpy as np
import time

def get_ready():
	#录入模板，主函数仅执行一次，节省资源
    template = cv2.imread('./template.png',0)
    return template

def get_img(cap):
	#从摄像头实时读取一帧图像
    _,img_bgr = cap.read()
    return img_bgr

def match_template(img_bgr,template):
	#调用opencv内部模块进行模板匹配
    img_gray = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2GRAY)
    res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
    threshold = 0.5		#匹配相似度阈值，越高越精确
    loc = np.where(res>=threshold)		#numpy进行筛选匹配

    loc1 = []		#用于录入目标坐标点
    for i in range(len(list(loc[0]))):
        loc1.append(list(zip(*loc[::-1]))[i])
    return loc1,res

def elim_same(loc1):
	#根据匹配结果的坐标间距进行去重
    count = len(loc1)
    threshold1 = 10		#10个像素点以内则视为同一目标
    i = 0

    while(i<count):
        for j in range(count):
            if j != i:
                if np.abs(loc1[j][0]-loc1[i][0]) <= threshold1:		#x坐标
                    if np.abs(loc1[j][1]-loc1[i][1]) <= threshold1:	#y坐标
                        loc1[j] = loc1[i]		#近似坐标归一处理
        i += 1

    resl = set(loc1)		#去除归一后的多余结果，完成去重
    return resl

def draw_write(img_bgr,resl,res):
	#绘制图框与相似度数字
    for pt in resl:
        cv2.rectangle(img_bgr,pt,(pt[0]+w,pt[1]+h),(0,255,0),2)
        template_num = round(res[pt[1]][pt[0]],2)	#四舍五入取两位小数
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(img_bgr,'%s'%template_num,(pt[0],pt[1]-5),font,0.5,(0,255,0),1,cv2.LINE_AA)

def off(cap):
	#键盘检测与摄像头释放
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        cv2.destroyAllWindows()
        cap.release()
    return k

def main():
    k = 0
    template = get_ready()
    global w,h
    w,h = template.shape[::-1]
    
    cap = cv2.VideoCapture(0)

    while True:
        img_bgr = get_img(cap)
        loc1,res = match_template(img_bgr,template)
        resl = elim_same(loc1)
        draw_write(img_bgr,resl,res)
        cv2.imshow('detected',img_bgr)
        time.sleep(0.1)
        k = off(cap)
        if k == 27:
            break


if __name__ == '__main__':
    main()

代码难点

矩阵处理，较为抽象。

• numpy.where()
  原理：矩阵元素筛选

• loc1.append(list(zip(*loc[::-1]))[i])
  列表切片调换y、x坐标顺序，并用zip（*zipped）完成矩阵转置
  list转换为列表格式，并append并入新列表。