怎么做网站引流搜索量查询

---

前言

• 通过今天的学习，我掌握了OpenCV中有关模版匹配和模版匹配方法的相关原理和操作

---

一、模版匹配的概念

• 模板匹配就是用模板图（通常是一个小图）在目标图像（通常是一个比模板图大的图片）中不断的滑动比较，通过某种比较方法来判断是否匹配成功,找到模板图所在的位置。

需要注意的是：

• 模版匹配不会进行边缘填充。

• 类似于卷积，滑动比较，挨个比较象素。

• 返回结果大小是：目标图大小-模板图大小-1。

二、模版匹配方法

res=cv2.matchTemplate(image, templ, method)

• img：指原图像，一个灰度图或者彩色图
• temp：模版图像，要求与原图像具有相同的通道数
• method：匹配方法，包括以下几种
• • cv2.TM_CCOEFF
  • cv2.TM_CCOEFF_NORMED
  • cv2.TM_CCORR
  • cv2.TM_CCORR_NORMED
  • cv2.TM_SQDIFF
  • cv2.TM_SQDIFF_NORMED

实际上共有三种方法，只不过每一种方法对应一种归一化方法

• 该方法的返回值是一个矩阵，矩阵中的每个元素代表原图像对应位置与模版图的匹配相似度
• 可以想象成将将原图分为大小与模版相同的许多小块，每一个小块对应着一个索引坐标，而res则每一个小块上的匹配得分

# 读取图像
img = cv.imread(r"D:\AI\笔记课件\images\game.png")
temp = cv.imread(r"D:\AI\笔记课件\images\temp.png")
# 灰度化处理
# 这里的灰度化处理需要根据实际匹配的图像来选择是否要使用
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
temp_gray = cv.cvtColor(temp,cv.COLOR_BGR2GRAY)
# 模版匹配
res = cv.matchTemplate(img_gray,temp_gray,cv.TM_CCOEFF_NORMED)
# 设置阈值，找到符合条件的坐标
threshold = 0.8
loc = np.where(res>=threshold)
# 获取模版宽高
h,w = temp.shape[:2]
# print(res[loc[0][0],loc[1][0]])
# 解包获取坐标
for i in zip(*loc): #y在前，x在后 (y,x)left_point = i[::-1]right_point = (i[1] + w,i[0] + h)# 绘制匹配区域cv.rectangle(img,left_point,right_point,(0,255,0),2,cv.LINE_AA)
# 显示图像
cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()

tips：注意这里使用到了where函数，该函数是使用行优先进行遍历和返回的，因此最后的结果中y坐标在前，x坐标在后

---

THE END