opencv：带有 CCOEFF_NORMED 的 matchTemplate 的否定结果

Question

我得到了几个应用程序图标并将大小调整为 36*36。我希望在他们中的任何两个之间获得相似性。我用 opencv 函数threshold 将它们变成了黑白的。我遵循其他问题的指示。我在两个图标上应用matchTemplate 和TM_CCOEFF_NORMED 方法但得到否定结果，这让我感到困惑。 基于doc，结果数组中不应有任何负数。谁能向我解释为什么我得到一个负数，这个负数有意义吗？

即使我从编辑中删除了所有代码部分，我也因尝试编辑帖子而出现代码缩进错误而失败了一小时。太疯狂了。我已经尝试过图标的灰度和黑白。当两个图标完全不同时，我总是会得到否定的结果。

如果我使用大小为 48*48 的原始图标，一切顺利。不知道是不是和我的resize step有关。

#read in pics
im1 = cv2.imread('./app_icon/pacrdt1.png')
im1g = cv2.resize(cv2.cvtColor(im1, cv2.COLOR_BGR2GRAY), (36, 36), cv2.INTER_CUBIC)
im2 = cv2.imread('./app_icon/pacrdt2.png')
im2g = cv2.resize(cv2.cvtColor(im2, cv2.COLOR_BGR2GRAY), (36, 36), cv2.INTER_CUBIC)
im3 = cv2.imread('./app_icon/mny.png')
im3g = cv2.resize(cv2.cvtColor(im3, cv2.COLOR_BGR2GRAY), (36, 36), cv2.INTER_CUBIC)
#black&white convert
(thresh1, bw1) = cv2.threshold(im1g, 128 , 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
(thresh3, bw3) = cv2.threshold(im3g, 128 , 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
(thresh2, bw2) = cv2.threshold(im2g, 128 , 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
#match template
templ_match = cv2.matchTemplate(im1g, im3g, cv2.TM_CCOEFF_NORMED)[0][0]
templ_diff = 1 - templ_match

示例：

edit2：我将具有不同背景颜色或字体颜色的图标定义为非常相似的图标（但查看者会知道它们与我的示例中的图像 1 和 2 完全相同）。这就是为什么我将图标图片输入为黑白的原因。希望这是有道理的。

Answer 1

出现此问题是因为两个图像的大小相同。

我尝试了相同的方法，但使用了不同的图像尺寸。我以前经常关注图片：

图片 1：（125 x 108 像素）图片

图片 2：（48 x 48 像素）模板

当我为这些图像运行给定代码时，它返回一个包含值的数组，其中每个值对应于某个像素周围的（图像）区域与模板（模板）匹配的程度。

现在，当您执行 cv2.minMaxLoc(templ_match) 时，它会返回 4 个值：

1. 最小值：与模板相比，图像中匹配最少的像素
2. 最大值：与模板相比，图像中匹配最多的像素
3. minimum_location:最小值出现的位置
4. maximum_location：最大值出现的位置

这是我得到的：

Out[32]: (-0.15977318584918976, 1.0, (40, 12), (37, 32))
                    ^            ^       ^         ^
                    |            |       |         |
                min_val       max_val  min_loc   max_loc  

当图像和模板的大小不同时会观察到此结果。在您的情况下，您已将所有图像的大小调整为相同的大小，结果您只得到一个值，即templ_match 的第一个值。此外，你必须避免这样做templ_match = cv2.matchTemplate(im1g, im3g, cv2.TM_CCOEFF_NORMED)[0][0]

而是执行templ_match = cv2.matchTemplate(im1g, im3g, cv2.TM_CCOEFF_NORMED)，然后使用：cv2.minMaxLoc(templ_match) 获取最大值和最小值以及它们的位置