原创•模板匹配实践之Opencv+Python识别PDB板图片
这篇文章的主题是：模板匹配实践之Opencv+Python识别PDB板图片。
（ 注：这是一个入门级的实践小项目，用来入门学习和自己随便练习玩玩。）
任务要求：
基于模板匹配算法识别PCB板型号
使用工具：
Python3、OpenCV
使用模板匹配算法，模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，模板匹配具有自身的局限性，主要表现在它只能进行平行移动，即原图像中的匹配目标不能发生旋转或大小变化。
事先准备好待检测PCB与其对应的模板：
子模版：
基本流程如下：
1、在整个图像区域发现与给定子图像匹配的小块区域
2、选取模板图像T（给定的子图像）
3、另外需要一个待检测的图像——源图像S
4、工作方法：在检测图像上，从左到右，从上到下计算模板图像与重叠， 子图像的匹配度，匹配程度越大，两者相同的可能性就越大。
OpenCV提供了6种模板匹配算法：
平方差匹配法CV_TM_SQDIFF；
归一化平方差匹配法CV_TM_SQDIFF_NORMED；
相关匹配法CV_TM_CCORR；
归一化相关匹配法CV_TM_CCORR_NORMED；
相关系数匹配法CV_TM_CCOEFF；
归一化相关系数匹配法CV_TM_CCOEFF_NORMED；
后面经过实验，从六种中选择了归一化相关系数匹配法CV_TM_CCOEFF_NORMED，基本原理公式为：
代码部分展示：
import cv2 import numpy as np from matplotlib import pyplot as plt #读取检测图像 img = cv2.imread(\'img8.bmp\', 0)
#读取模板图像 template1=cv2.imread(\'moban1.bmp\', 0) template2=......
#建立模板列表 template=[template1,template2,template3,template4]
# 模板匹配：归一化相关系数匹配方法 res1=cv2.matchTemplate(img, template1, cv2.TM_CCOEFF_NORMED) res2=cv2.matchTemplate(......)
#提取相关系数 min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc(res1) min_val2, ...... #相关系数对比（max_val),越接近1，匹配程度越高 max_val=[1-max_val1,1-max_val2,1-max_val3,1-max_val4] j=max_val.index(min(max_val)) #根据提取的相关系数得出对应匹配程度最高的模板 h, w = template[j].shape[:2] # 计算模板图像的高和宽 rows->h, cols->w pes=cv2.matchTemplate(img, template[j], cv2.TM_CCOEFF_NORMED) #模板匹配 in_val, ax_val, in_loc, ax_loc =cv2.minMaxLoc(pes) #在原图中框出模板匹配的位置 left_top = ax_loc # 左上角 right_bottom = (left_top[0] + w, left_top[1] + h) # 右下角 cv2.rectangle(img, left_top, right_bottom, 255, 2) # 画出矩形位置
#绘制模板图像 plt.subplot(121), plt.imshow(template[j], cmap=\'gray\') plt.title(\'pcb type\'),plt.xticks([]), plt.yticks([])
#绘制检测图像 plt.subplot(122), plt.imshow(img, cmap=\'gray\') plt.title(\'img\'), plt.xticks([]), plt.yticks([]) plt.show()
实验结果：
需要完整代码以及图片素材的，请留下评论可与博主进行联系。
觉得有用的小伙伴记得点个赞哦~
转载请申明出处。
版权声明：本文为-X-peng原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。