Color上的模板匹配行为

Question

我正在评估模板匹配算法，以区分相似和不相似的对象。我发现令人困惑的是，我对模板匹配的印象是一种比较原始像素强度值的方法。因此，当像素值变化时，我预期模板匹配会给出较少的匹配百分比。

我有一个模板和搜索图像，其形状和大小相同，只有颜色不同（附图像）。当我进行模板匹配时，我的匹配百分比大于90％。

img = cv2.imread('./images/searchtest.png', cv2.IMREAD_COLOR)
template = cv2.imread('./images/template.png', cv2.IMREAD_COLOR)
res = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print(max_val)

模板图片：

搜索图片：

有人可以告诉我为什么会这样吗？我甚至在HSV色彩空间，全BGR图像，全HSV图像，B，G，R的单独通道和H，S，V的单个通道中尝试了这一点。在所有情况下，我获得了很高的比例。

真的很感激任何帮助。

Answer 1

概念：

假设X =（X_1，X_2，.... X_n），Y =（Y_1，Y_2，...，Y_n）满足Y_i = a * X_i对于所有i和一些正常数a，则 （所有X_i * Y_i的总和）= a *（（X_i）^ 2的总和）= SquareRoot（（X_i）^ 2的总和）* SquareRoot（（a * X_i）^ 2的总和）。 因此（所有X_i * Y_i的总和/（SquareRoot（（X_i）^ 2的总和）* SquareRoot（（Y_i）^ 2的总和））= 1。

在您的情况下，X代表模板图像，几乎只有两种颜色，背景是黑色，即0，前景色是常数c。 Y代表图像的ROI，也几乎只有两种颜色，背景为0，前景色为另一个常数d。因此我们有a = d / c来满足上述概念。因此，如果我们使用cv2.TM_CCORR_NORMED，我们得到的结果将接近1，这正是我们的预期。

对于cv2.TM_CCOEFF_NORMED，如果对于所有i以及某个常数b和某个正常数a，Y_i = a * X_i + b，则X和Y之间的相关系数为1（基本统计）。因此，如果我们使用cv2.TM_CCOEFF_NORMED，我们得到的结果接近1，这就是我们的预期。

Answer 2

res = cv2.matchTemplate（img，template，cv2.TM_CCORR_NORMED）

您可以使用各种参数来查找模板，例如'cv2.TM_CCOEFF'，'cv2.TM_CCOEFF_NORMED'，'cv2.TM_CCORR'，'cv2.TM_CCORR_NORMED'，'cv2.TM_SQDIFF'，'cv2.TM_SQDIFF_NORMED' 你可以在这里查看他们的等式：

https://docs.opencv.org/2.4/modules/imgproc/doc/object_detection.html

根据我的想法，如果你想使用你的模板匹配，使它不匹配不同颜色的形状，那么你应该使用CV_TM_SQDIFF或cv2.TM_CCOEFF_NORMED。 相关项给出最大值的匹配，平方差项给出最小值的匹配。因此，如果您的形状和大小确切，但颜色不同，您将获得较高的相关值（请参阅上面链接中的等式）。