這篇文章的主題是：模板匹配實踐之Opencv+Python識別PDB板圖片。
（ 注：這是一個入門級的實踐小項目，用來入門學習和自己隨便練習玩玩。）
任務要求：
基於模板匹配算法識別PCB板型號
使用工具：
Python3、OpenCV
使用模板匹配算法，模板匹配是一種最原始、最基本的模式識別方法，研究某一特定對象物的圖案位於圖像的什么地方，進而識別對象物，模板匹配具有自身的局限性，主要表現在它只能進行平行移動，即原圖像中的匹配目標不能發生旋轉或大小變化。
事先准備好待檢測PCB與其對應的模板：
子模版：
基本流程如下：
1、在整個圖像區域發現與給定子圖像匹配的小塊區域
2、選取模板圖像T（給定的子圖像）
3、另外需要一個待檢測的圖像——源圖像S
4、工作方法：在檢測圖像上，從左到右，從上到下計算模板圖像與重疊， 子圖像的匹配度，匹配程度越大，兩者相同的可能性就越大。
OpenCV提供了6種模板匹配算法：
平方差匹配法CV_TM_SQDIFF；
歸一化平方差匹配法CV_TM_SQDIFF_NORMED；
相關匹配法CV_TM_CCORR；
歸一化相關匹配法CV_TM_CCORR_NORMED；
相關系數匹配法CV_TM_CCOEFF；
歸一化相關系數匹配法CV_TM_CCOEFF_NORMED；
后面經過實驗，從六種中選擇了歸一化相關系數匹配法CV_TM_CCOEFF_NORMED，基本原理公式為：
代碼部分展示：
import cv2 import numpy as np from matplotlib import pyplot as plt #讀取檢測圖像 img = cv2.imread('img8.bmp', 0)
#讀取模板圖像 template1=cv2.imread('moban1.bmp', 0) template2=......
#建立模板列表 template=[template1,template2,template3,template4]
# 模板匹配：歸一化相關系數匹配方法 res1=cv2.matchTemplate(img, template1, cv2.TM_CCOEFF_NORMED) res2=cv2.matchTemplate(......)
#提取相關系數 min_val1, max_val1, min_loc1, max_loc1 =cv2.minMaxLoc(res1) min_val2, ...... #相關系數對比（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)) #根據提取的相關系數得出對應匹配程度最高的模板 h, w = template[j].shape[:2] # 計算模板圖像的高和寬 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) #在原圖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) # 畫出矩形位置
#繪制模板圖像 plt.subplot(121), plt.imshow(template[j], cmap='gray') plt.title('pcb type'),plt.xticks([]), plt.yticks([])
#繪制檢測圖像 plt.subplot(122), plt.imshow(img, cmap='gray') plt.title('img'), plt.xticks([]), plt.yticks([]) plt.show()
實驗結果：
需要完整代碼以及圖片素材的，請留下評論可與博主進行聯系。
覺得有用的小伙伴記得點個贊哦~
轉載請申明出處。