opencv计算机视觉--模板匹配&物体跟踪

一、模板匹配

cv2.matchTemplate(image, templ, method)

image:待搜索图像

templ:模板图像

method:计算匹配程度的方法:

TM_SQDIFF平方差匹配法:该方法采用平方差来进行匹配;匹配越好，值越小;匹配越差，值越大。

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。

TM_CCOEFF相关系数匹配法:数值越大表明匹配程度越好。

TM_SQDIFF_NORMED归一化平方差匹配法，匹配越好，值越小;匹配越差，值越大。

TM_CCORR_NORMED归一化相关匹配法，数值越大表明匹配程度越好。

TM_CCOEFF_NORMED 归一化相关系数匹配法，数值越大表明匹配程度越好。

相关代码

import cv2

# 读取图像
kele = cv2.imread('kele.png')
kele=cv2.resize(kele,dsize=None,fx=1.5,fy=1.5)
tubiao = cv2.imread('tubiao.png')
tubiao=cv2.resize(tubiao,dsize=None,fx=1.5,fy=1.5)
cv2.imshow('kele', kele)
cv2.waitKey(0)
cv2.imshow('tubiao', tubiao)
cv2.waitKey(0)
h, w = tubiao.shape[:2] # 获取模板图像的高度和宽度

# 使用模板匹配方法
res = cv2.matchTemplate(kele, tubiao, cv2.TM_CCOEFF_NORMED)

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# min_val：最小匹配值
# max_val：最大匹配值（最匹配的位置）
# min_loc：最小匹配值的位置坐标
# max_loc：最大匹配值的位置坐标（最佳匹配位置）

top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

kele_tubiao = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2)
cv2.imshow('kele_tubiao', kele_tubiao)
cv2.waitKey(0)
cv2.destroyAllWindows()

注：模板的大小，要和图形中的所对应模板大小相同

二、物体跟踪

1、概念

物体跟踪是计算机视觉中的一个重要任务，指在视频序列中持续定位和追踪特定目标对象的位置。它不同于物体检测（每帧独立检测），跟踪需要维护目标的身份信息，在连续的帧中跟随同一个目标。

2、实际运用

1. 创建跟踪器

tracker = cv2.TrackerCSRT_create()

• cv2.TrackerCSRT_create(): 创建 CSRT 跟踪器

• OpenCV 提供了多种跟踪算法：

  • TrackerCSRT_create(): 高精度，速度较慢

  • TrackerKCF_create(): 平衡精度和速度

  • TrackerMOSSE_create(): 速度最快，精度较低

  • TrackerMIL_create(): 中等性能

2. 选择目标区域

roi = cv2.selectROI(windowName='Tracking', img=frame, showCrosshair=False)

• cv2.selectROI(): 让用户在图像上选择矩形区域

• 参数：

  • windowName: 窗口名称

  • img: 要选择ROI的图像

  • showCrosshair: 是否显示十字准线

• 返回值：(x, y, width, height) 元组

3. 初始化跟踪器

tracker.init(frame, roi)

• tracker.init(): 用第一帧和初始边界框初始化跟踪器

• 参数：

  • frame: 第一帧图像

  • roi: 初始边界框

4. 更新跟踪器

success, box = tracker.update(frame)

• tracker.update(): 在后续帧中更新跟踪器

• 参数：当前帧图像

• 返回值：

  • success: 布尔值，跟踪是否成功

  • box: 跟踪到的边界框 (x, y, width, height)

5. 绘制跟踪结果

cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)

• 在跟踪到的位置上绘制绿色矩形框

完整代码

import cv2
# 创建一个CSRT跟踪器实例
tracker = cv2.TrackerCSRT_create()
# 跟踪标志，默认为False
tracking = False
# 打开默认摄像头（通常编号为0）
cap = cv2.VideoCapture(0)
while True:
# 从摄像头读取一帧图像
ret, frame = cap.read()
# 如果没有正确读取到图像，则退出循环
if not ret:
break
# 检查是否有按键被按下，如果是'a'键，则设置跟踪标志为True，并选择ROI
if cv2.waitKey(1) == ord('s'):
tracking = True
# 让用户在当前帧中选择一个矩形区域作为要跟踪的对象
roi = cv2.selectROI(windowName='Tracking', img=frame, showCrosshair=False) # 是否显示十字线
# 初始化跟踪器，传入当前帧和选定的ROI
tracker.init(frame, roi)
# 如果跟踪标志为True，则更新跟踪器
if tracking:
success, box = tracker.update(frame)
# 如果跟踪成功，获取对象的位置
if success:
x, y, w, h = [int(v) for v in box] # 确保所有坐标都是整数
# 在frame上绘制矩形框以显示跟踪结果
cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)
# 显示处理后的帧
cv2.imshow('Tracking',frame)
# 检查是否按下ESC键（ASCII码27），如果按下则退出循环
if cv2.waitKey(1) == 27:
break
# 释放摄像头资源
cap.release()
# 关闭所有OpenCV创建的窗口
cv2.destroyAllWindows()