Python应用案例之利用opencv实现图像匹配

import cv2
import matplotlib.pyplot as plt

# 读取图像
# 路径不可以有汉字
original_image = cv2.imread('picture.png')
# 转化为灰度图方便计算
gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)

# 显示原图
plt.figure(figsize=(20, 20))
plt.imshow(cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB))  # 转换颜色空间以匹配matplotlib
plt.title('Original Image')
plt.axis('off')
plt.show()

# 显示灰度图
plt.figure(figsize=(20, 20))
plt.imshow(gray_image, cmap='gray')
plt.title('Grayscale Image')
plt.axis('off')
plt.show()

# 加载模板
# 想要从原图中找到的部分
# 这里截取原图中一个表情
template = gray_image[90:180, 100:180]

# 模板匹配
# 将选取表情与原图匹配
result = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)

# 找到匹配得分最高的区域
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

# 绘制矩形框
threshold = 0.9999  # 根据需要调整阈值
if max_val >= threshold:
    # 计算矩形框的左上角和右下角坐标
    top_left = max_loc
    bottom_right = (top_left[0] + template.shape[1], top_left[1] + template.shape[0])

    # 在原图上绘制矩形框
    cv2.rectangle(original_image, top_left, bottom_right, (0, 0, 255), 2)

# 显示结果
plt.figure(figsize=(20, 20))
plt.imshow(cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB))  # 转换颜色空间以匹配matplotlib
plt.title('Matched Template')
plt.axis('off')
plt.show()