通过cv2搜索某图片中的指定要素
## 背景应某个老友的要求，想要从一个图片中，搜索出指定的图片元素。
因为当前正好在学习CV方面的知识，所以感觉这个需求比较有趣，所以研究了一下。
## 正文
查了下cv2库的这方面资料，有个matchTemplate模板匹配的方法，通过cv2的归一化相关系数匹配法(TM_CCOEFF_NORMED)，来从原图片中匹配到目标图片。
然后通过numpy.where来筛选出图片中符合条件的部分(矩阵元素)的坐标。
*关于cv2的安装或者基本引用等方法，就不在这里述说了*。本文适合用过一次以上的python`opencv-python`库的小伙伴。
### 1.首先打开图片，这里统一进行了一步去色的处理:
```python
# 1.读入原图和模板
img_src = Image.open("main2.jpg")
img_src_gray = np.asarray(img_src.convert('L')) # 黑白
img_src = cv2.cvtColor(np.asarray(img_src), cv2.COLOR_RGB2BGR)
# 目标图
img_aim = np.asarray(Image.open("aim2.jpg").convert('L'))
```
### 2.cv2模板匹配
```python
# 2.模板匹配.cv2.TM_CCOEFF_NORMED=归一化相关系数匹配法.也可采用TM_CCORR_NORMED-归一化相关匹配法
res = cv2.matchTemplate(img_src_gray, img_aim, cv2.TM_CCOEFF_NORMED)
```
### 3.获取匹配后的坐标
```python
# 3.匹配程度大于THRESHOLD阈值坐标.格式y,x
loc = np.where(res >= THRESHOLD)
```
### 4.遍历结果，并显示
```python
# 目标的高、宽
aim_h, aim_w = img_aim.shape[:2]
# 4.遍历符合条件的img数组
# 利用 * 号操作符，可以将元组解压为列表
for point_ in zip(*loc[::-1]): # 倒序，对应着转为x,y的坐标
# 按目标的高、宽，做标记
flag_point = (point_ + aim_w, point_ + aim_h)
# 绘制矩形框:cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
# 绘制矩形框-参数:img是原图;（x，y）是矩阵的左上点坐标;（x+w，y+h）是矩阵的右下点坐标;（0,255,0）是画线对应的rgb颜色;2是所画的线的宽度
x1 = cv2.rectangle(img_src, point_, flag_point, (0, 0, 255), 2)
# 显示结果图片
cv2.imshow('out', x1)
cv2.waitKey(0)
```
原图:
!(//www.darkripples.com/blog_resources/static/images/blog_attrs/20190320/search_pic_main.jpg)
目标图:
!(//www.darkripples.com/blog_resources/static/images/blog_attrs/20190320/search_pic_aim.jpg)
效果图:
!(//www.darkripples.com/blog_resources/static/images/blog_attrs/20190320/search_pic_rs.jpg)
## 总结
* `cv2.matchTemplate`匹配的使用:
1. CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
2. CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
3. CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
4. CV_TM_SQDIFF_NORMED 归一化平方差匹配法
5. CV_TM_CCORR_NORMED 归一化相关匹配法
6. CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
*python基础：`zip`中利用 * 号操作符，可以将元组解压为列表，这个之前用的不多，所以蛮有新鲜感；
*`numpy.where(condition, x, y)`的使用:满足条件(condition)，输出x，不满足则输出y。emmm话说对numpy还没系统学习过，只是用到了什么就记下来；
* 另外，稍微思考了下，想起之前见过的一个连连看类型的游戏外挂，用的是切割图片，来完全匹配，然后判断是否可进行连接等等；
想来可以基于此方式来实现优化；可以直接检测目标图片的坐标，暴力找到其匹配的另一个图片，也无需判断是否可连接，直接移动鼠标强制点击连接~
页:
[1]