几行解释：python中的模板匹配使用openCV答案

【问题标题】：Explanation of a few lines: template matching in python using openCV几行解释：python中的模板匹配使用openCV
【发布时间】：2019-06-04 17:51:46
【问题描述】：

我需要有人给我解释一下这四行代码：

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)    
threshhold = 0.70
loc = np.where( res >= threshhold)
for pt in zip(*loc[:: -1]):

我有点知道前两个是什么意思。但是循环部分让我发疯。

在这种情况下 zip() 的作用是什么？
我们为什么要颠倒列表
“*loc”是什么意思？我的意思是星号
pt 到底是什么？

其余代码（重要的部分）：

while True:
    for i in range(4):
        img_gray = cv2.cvtColor(imageGrab(), cv2.COLOR_BGR2GRAY)
        f = str(files[i])
        template = cv2.imread(f, 0)

        w, h = template.shape[:: -1]

        res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
        threshhold = 0.70
        loc = np.where( res >= threshhold)
        for pt in zip(*loc[:: -1]):

            x=pt[0]
            y=pt[1]
            center_x = (x + 0.5 * w) + 415
            center_y = (y + 0.5 * h) + 287

            pyautogui.click(center_x , center_y)
            time.sleep(4)
            count = count + 1
            break

我把 break 放在最后，因为我只想使用循环一次（你认为有什么更好的方法吗？）

我会非常感谢所有回答的人。你不必回答我所有的问题，如果你只知道一个答案然后分享。谢谢

【问题讨论】：

标签： python opencv template-matching

【解决方案1】：

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)

matchTemplate 为每个像素计算模板与该位置图像的匹配程度。它返回一个包含这些值的二维数组。您使用的方法是TM_CCOEFF_NORMED，NORMED 表示结果已标准化，因此值映射在 0 和 1 之间。您可以显示res，最佳匹配将是白色。此图片取自文档here，您可以在其中找到更多信息。

threshhold = 0.70
loc = np.where( res >= threshhold)

np.where 返回res/quality of match 的值大于或等于阈值（设置为 0.70）的索引。对应于图像的 x 和 y 值的索引。索引作为 2 个数组的元组返回 - 一个用于 x，一个用于 y。 Nice examples

for pt in zip(*loc[:: -1]):
这里发生了一些单独的事情：
*loc[:: -1] * 允许任意数量的参数。它用于解包loc-tuple。 example
zip(loc[1],loc[0]) 与 zip(*loc[:: -1]) 的作用相同

列表的反转似乎是任意的并且没有必要，只要您在其余代码中考虑它即可。

for pt in zip()
zip() 返回一个可迭代对象，一个可用于循环的对象。它创建输入参数的元组，并使用for pt in 一一返回。在这种情况下，输入是一个 x 值数组和一个 y 值数组，因此它将返回一个 (x,y) 元组。元组存储在pt。

尝试显示/打印出一些步骤，它会帮助你理解。

===

如果你只想要循环一次，我想你想要最好的匹配。您可以使用以下内容：

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
max_loc 将保存最佳匹配的 x,y。（左上角）

【讨论】：