先上結果圖，從圖中有本書被紅框包住。
此結果就是利用OpenCV提供的函式cv2.matchTemplate與cv2.minMaxLoc所完成的。
結果圖
結果圖
以下程式範例主結構為這兩個函式
cv2.matchTemplate
利用設定的樣本圖，來搜索圖像中相似的特徵物，並回傳一個灰階影像，其中每個像素表示該像素的鄰域與模板的匹配程度。
result = cv2.matchTemplate(image, templ, method[, result[, mask]])
返回值:
result : 匹配結果的圖像，即包含相似度得分的圖像。可選參數。
參數
- image: 待搜索的圖像，即被搜尋的圖像。
- templ: 模板圖像，即要在待搜索圖像中尋找的目標。
- method: 指定匹配的方法。這是一個枚舉值，用來指定計算相似度的方式，例如
cv2.TM_SQDIFF、cv2.TM_CCORR、cv2.TM_CCOEFF等。 - mask: 可選的遮罩圖像，用於指定哪些區域進行匹配。
歸一化後的平方差，數值介於0到1之間，比較直觀好處理。
cv2.TM_CCOEFF_NORMED
正規化相關性係數，且除本身圖像明亮，只保留圖像分佈，分數越相似
cv2.TM_CCORR_NORMED
正規化相關性係數(correlation)，分數越相似
cv2.TM_SQDIFF_NORMED
正規化後的平方差，可以適應原始圖像及模板同時提高亮度的狀況，但只有其中之一的圖像光線調整，仍然會產生問題
cv2.minMaxLoc
找到最大/最小值在哪裡。以它為矩形的左上角，(w,h)為矩形的寬度和高度
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(src[, mask])
返回值：
- minVal: 圖像中的最小值。
- maxVal: 圖像中的最大值。
- minLoc: 最小值的位置，即其 (x, y) 座標。
- maxLoc: 最大值的位置，即其 (x, y) 座標。
參數:
- src: 輸入圖像。
- mask: 可選的遮罩圖像，用於指定要考慮的圖像區域。
程式範例
待搜索的圖像
原圖
樣本圖
樣本圖
import cv2
import numpy as np
# 讀取圖檔
img = cv2.imread('./org.jpg')
template = cv2.imread('./temp.png')
# 圖像轉換成灰階
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 框取相似圖，需定義好框的大小，框設定與樣本圖圖片大小一致
h, w = template.shape[:2]
# 指定匹配的方法
method = cv2.TM_SQDIFF_NORMED
# matchTemplate()傳入待匹配圖像和模板圖像、匹配方法，得到的結果是一個單通道的float32浮點類型的圖像
res = cv2.matchTemplate(img_gray, template_gray, method)
# minMaxLoc()計算最佳匹配位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# TM_SQDIFF_NORMED, 此方法要取最小值，代表最佳位置
if method in [cv2.TM_CCOEFF_NORMED, cv2.TM_SQDIFF_NORMED]:
top_left = min_loc
else:
top_left = max_loc
#給rectangle框 右下的位置
bottom_right = (top_left[0] + w, top_left[1] + h)
#框取搜尋到的特徵圖
cv2.rectangle(img,top_left, bottom_right, (0,0,255), 1)
# 顯示結果圖像
cv2.imshow('reuslt', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
