OpenCV-Python模板匹配人眼实战：原理、API与代码解析

模板匹配基本概念

模板匹配的核心任务是在一张较大的输入图像A中，定位并找出与给定小尺寸图像B最相似的区域。这类似于“找茬”游戏，但目标不是寻找差异，而是精确识别出与模板完全一致或高度相似的特征信息。

在操作定义中，图像A通常被称为输入图像（Input Image），而图像B被称为模板图像（Template Image）。其工作原理是将模板图像在输入图像上进行滑动遍历，通过计算重叠区域的相似度指标，从而找出匹配度最高的位置。

OpenCV模板匹配函数接口

OpenCV库提供了cv2.matchTemplate()函数来实现上述匹配过程。该函数的完整定义格式如下：

def matchTemplate(image, templ, method, result=None, mask=None):

image：待处理的原始输入图像。

templ：用于匹配的模板图像。

method：指定匹配算法类型。该参数由TemplateMatchModes枚举值定义，具体选项及含义见下表：

result：函数返回的计算结果。它是一个单通道32位浮点型的二维数组，包含输入图像中每个位置与模板比较的相似度得分。若输入图像尺寸为W×H，模板尺寸为w×h，则结果数组的尺寸为(W-w+1)×(H-h+1)。

mask：可选的模板掩模图像。其类型和大小必须与模板图像一致，用于指定参与计算的像素区域。一般情况下，使用默认值None即可。

模板匹配代码实现

为了演示模板匹配的实际应用，我们需要准备两张图片：一张是包含目标的原始大图，另一张是从中提取出的局部小图作为模板。本例中，我们选取一张常见的人像照片，并截取其中的人眼部分作为模板图像，具体素材如下：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("4.jpg", 0)
template = cv2.imread("4_1.jpg", 0)

th, tw = template.shape[::]

rv = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
min, max, minLoc, maxLoc = cv2.minMaxLoc(rv)

topLeft = minLoc
bottomRight = (topLeft[0] + tw, topLeft[1] + th)
cv2.rectangle(img, topLeft, bottomRight, 255, 2)

plt.subplot(121)
plt.imshow(template, cmap="gray")
plt.axis('off')
plt.subplot(122)
plt.imshow(img, cmap="gray")
plt.axis('off')
plt.show()

执行上述代码后，程序将在原图中标记出匹配的人眼位置，最终生成的可视化效果如下所示：

附录素材说明

模板图像

原始输入图像

本文介绍了OpenCV-Python中模板匹配人眼的具体实现方法。如需了解更多OpenCV模板匹配相关技术细节，建议查阅本站往期文章或继续浏览后续教程。感谢支持！