cv2.rectangle详解

cv2.rectangle是OpenCV库中的一个函数，用于在图像上绘制矩形。该函数的语法为cv2.rectangle(image, start_point, end_point, color, thickness)，其中image是要绘制矩形的图像，start_point是矩形的左上角坐标，end_point是矩形的右下角坐标，color是矩形的边框颜色，thickness是矩形边框的厚度。该函数还可以通过指定负数的thickness参数来填充矩形。

相关问题

cv2.ellipse

cv2.ellipse是OpenCV中的一个函数，用于在图像上绘制椭圆形。函数的语法为：cv2.ellipse(image, center, axes, angle, startAngle, endAngle, color, thickness)。其中，image是目标图片，center是椭圆的中心坐标，axes是椭圆的长短轴长度，angle是椭圆的偏转角度，startAngle和endAngle是圆弧的起始角度和终止角度，color是绘制的颜色，thickness是绘制的线条的粗细。 [3<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [opencv绘图函数(cv2.line()， cv2.circle()， cv2.rectangle()，cv2.ellipse() cv2. cv2.putText() )](https://blog.csdn.net/weixin_36670529/article/details/104001980)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [详解opencv库函数ellipse()](https://blog.csdn.net/weixin_51995147/article/details/128479278)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

python cv2 matchtemplate详解

在图像处理和计算机视觉中，模板匹配是一种常见的技术，它可以用于在一张图像中查找另一张小图像的位置。在OpenCV中，cv2.matchTemplate()函数可以用于实现模板匹配。下面是该函数的详细解释。

cv2.matchTemplate(image, templ, method[, result[, mask]])

参数说明：

- image：输入图像，即待搜索的图像（大图像）。
- templ：模板图像，即要在输入图像中查找的小图像。
- method：匹配方法，可选值包括：cv2.TM_SQDIFF、cv2.TM_SQDIFF_NORMED、cv2.TM_CCORR、cv2.TM_CCORR_NORMED、cv2.TM_CCOEFF、cv2.TM_CCOEFF_NORMED。具体含义可以参考OpenCV官方文档。
- result：输出的匹配结果图像，数据类型为浮点型。
- mask：可选的蒙板图像，用于指定搜索区域。

返回值：

- res：匹配结果矩阵，即每个像素的匹配得分。

使用cv2.matchTemplate()函数的基本流程如下：

1. 加载原始图像和模板图像。
2. 使用cv2.matchTemplate()函数进行模板匹配，得到匹配结果矩阵。
3. 根据匹配结果矩阵找到最佳匹配位置。

下面给出一个简单的例子：

import cv2
import numpy as np

# 加载原始图像和模板图像
img = cv2.imread('original.jpg')
template = cv2.imread('template.jpg')

# 获取模板图像的宽度和高度
w, h = template.shape[:2]

# 使用cv2.matchTemplate()函数进行模板匹配
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)

# 根据匹配结果矩阵找到最佳匹配位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

# 在原始图像中标注匹配位置
cv2.rectangle(img, top_left, bottom_right, (0, 0, 255), 2)

# 显示结果
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的例子中，我们首先加载了原始图像和模板图像，然后使用cv2.matchTemplate()函数进行模板匹配，得到匹配结果矩阵。接着，我们根据匹配结果矩阵找到最佳匹配位置，并在原始图像中标注出来。最后，将结果显示出来。