图片识别

模板匹配

基础语法

cv2.matchTemplate(img:imgArray,  template_img:imgArray, method:int) -> Array

# 所有模版匹配用到的flag
list_flag(TM_)

六种匹配模式

内置的method（匹配方法）分为6种，每种都有不同的适用场景

# cv2.TM_x
methods = {
   "TM_SQDIFF":0,
   "TM_SQDIFF_NORMED":1,
   "TM_CCORR":2,
   "TM_CCORR_NORMED":3,
   "TM_CCOEFF":4,
   "TM_CCOEFF_NORMED":5,
}

cv2.TM_SQDIFF | 0 - 平方差匹配法：
- 该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差。
- 计算平方不同，计算出来的值越小，越相关
- 计算模板与目标图像的方差，由于是像素值差值的平方的和，所以值越小匹配程度越高；
- 结果获取
```
# 平方差匹配法 值越小越相关
method = cv2.TM_SQDIFF
res = cv2.matchTemplate(img_target, img_template, method)

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(res)
```

cv2.TM_SQDIFF_NORMED | 1：
- 该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处。
- 计算归一化相关性，计算出来的值越接近1，越相关
- 范化的cv::TM_SQDIFF，取值为0-1之间，完美匹配返回值为0

cv2.TM_CCORR | 2 - 相关性匹配方法：
- 相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳匹配位置在值最大处，值越小匹配结果越差。
- 计算相关性，计算出来的值越大，越相关
- 使用dot product计算匹配度（不清楚怎么计算dot product，没看过代码），越高匹配度就好；
- 结果获取
```
# 相关性匹配方法，值越大越相关
method = cv2.TM_CCORR
res = cv2.matchTemplate(img_target, img_template, method)
```

cv2.TM_CCORR_NORMED | 3：
- 计算归一化相关性，计算出来的值越大，越相关
- 范化的cv::TM_CCORR，0-1之间
- 归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。

cv2.TM_CCOEFF | 4 - 相关系数匹配法
- 相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳匹配位置在值最大处，值越小匹配结果越差。
- 计算相关系数，计算出来的值越大，越相关
- 采用模板与目标图像像素与各自图像的平均值计算dot product，正值越大匹配度越高，负值越大图像的区别越大，但如果图像没有明显的特征（即图像中的像素值与平均值接近）则返回值越接近0

cv2.TM_CCOEFF_NORMED | 5：
- 计算归一化相关系数，计算出来的值越接近1，越相关，既越大
- 范化的cv::TM_CCOEFF，-1 ~ 1之间
- 归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。
- 结果提取：
```
# 相关系数匹配法 
method = cv2.TM_CCOEFF_NORMED
res = cv2.matchTemplate(img_target, img_template, method)
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(res)
print(maxVal, maxLoc)
```

注意：cv2 内置的匹配模式尽量采用带归一化的方式，结果可靠性最高

使用场景

首先应尽量使用归一化的方法进行匹配
有明确目标模板的情况下，选用 TM_CCORR_NORMED | 5 方法效果可能较好，
没有明确目标模板的情况下，可以选用

from typing import *

Img = NewType('cv2.imread', list)
TM_FLAG = NewType("cv2.TM_CCOEFF|cv2.TM_CCOEFF_NORMED|cv2.TM_CCORR|cv2.TM_CCORR_NORMED|cv2.TM_SQDIFF|cv2.TM_SQDIFF_NORMED", int)
Region = NewType('(startX, startY, endX, endY)', Tuple[int])

def img_match(img_target:Img, img_template:Img,  method:TM_FLAG=1, region:Optional[Region]=None, sim:float=0.8) -> bool:

    res = cv2.matchTemplate(img_target, img_template, method)

    minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(res)
    max_res:bool = maxVal > sim
    min_res:bool = (1 - minVal) > sim

    match method:
        case 0 | "TM_SQDIFF" :
            if minVal == 0 or maxVal == 0:return True
            return min_res

        case 1 | "TM_SQDIFF_NORMED":
            return max_res

        case 2 | "TM_CCORR":
            return max_res

        case 3 | "TM_CCORR_NORMED":
            return max_res

        case 4 | "TM_CCOEFF":
            return max_res

        case 5 | "TM_CCOEFF_NORMED":
            return max_res

        case _:
            return False

模板匹配​

六种匹配模式​

模板匹配

六种匹配模式