opencv学习：模板匹配和argparse 模块的代码实现及优缺点

模板匹配

模板匹配算法（Template Matching Algorithm），这是一种在图像处理和计算机视觉领域常用的方法，用于在一个大图像中寻找一个小模板图像的位置。模板匹配算法通过滑动窗口的方式在目标图像上移动模板图像，并计算模板图像与目标图像的局部区域之间的相似度。

算法步骤

1. 读取图像：

   • kele 是目标图像，其中可能包含模板图像。
   • temple 是模板图像，即我们希望在目标图像中找到的图像。

     kele=cv2.imread('kele.png')
     temple=cv2.imread('temple.png')

2. 获取模板尺寸：

   • 使用 temple.shape[:2] 获取模板图像的高度和宽度。

     h,w=temple.shape[:2]

3. 模板匹配操作：

   • 使用 cv2.matchTemplate() 函数进行模板匹配。这个函数在目标图像上滑动模板图像，并计算每个位置的匹配度。
   • cv2.TM_CCOEFF_NORMED 是匹配方法之一，它使用标准化的相关系数来衡量匹配度。这种方法对亮度变化和对比度变化具有一定程度的鲁棒性。

     res=cv2.matchTemplate(kele,temple,cv2.TM_CCOEFF_NORMED)

4. 找到最佳匹配位置：

   • cv2.minMaxLoc() 函数用于找到匹配结果矩阵中的最小值和最大值及其位置。在这个上下文中，最大值位置 maxloc 表示最佳匹配的位置。

     minval,maxval,minloc,maxloc=cv2.minMaxLoc(res)

5. 计算匹配区域的坐标：

   • topleft 是最佳匹配的左上角坐标。
   • bottomright 是匹配区域的右下角坐标，通过将 topleft 与模板图像的尺寸相加得到。

     topleft=maxloc
     bottomright=(topleft[0]+w,topleft[1]+h)

6. 在原图上绘制矩形框：

   • 使用 cv2.rectangle() 在目标图像上绘制一个矩形框，标记出匹配区域。

     keletemple=cv2.rectangle(kele,topleft,bottomright,(0,255,0),2)

7. 显示结果图像：

   • 使用 cv2.imshow() 显示结果图像，其中包括绘制的矩形框。

     cv2.imshow('keletemple',keletemple)
     cv2.waitKey(0)

argparse 模块

argparse 模块的命令行参数解析脚本。argparse 模块用于编写用户友好的命令行接口。程序定义了一组参数，用户可以在命令行中设置这些参数的值，或者使用默认值。

1. 导入 argparse 模块：

   import argparse

2. 创建 ArgumentParser 对象：

   parser = argparse.ArgumentParser()

   这行代码创建了一个 ArgumentParser 对象，用于处理命令行参数。

3. 添加参数：

   • --serial：一个字符串类型的参数，用于指定串行端口，有一个默认值 'com5'。
   • --area：一个整数类型的参数，用于指定面积，默认值为 1500。
   • --confid：一个浮点数类型的参数，用于指定信任度，默认值为 0.8。
   • --aaa：一个整数类型的参数，有一个默认值 100。
   • -b 和 --bb：这是同一个参数的短选项和长选项，用于指定一个整数，默认值为 10。

4. 解析命令行参数：

   opt = parser.parse_args()

   这行代码解析命令行参数，并将解析后的参数存储在 opt 对象中。

5. 访问参数值：

   aa = opt.aaa
   bb = opt.bb

   这两行代码从 opt 对象中获取 --aaa 和 --bb 参数的值。

6. 使用示例

   假设这段代码保存在名为 script.py 的文件中，你可以在命令行中运行以下命令来传递参数：

   python script.py --serial com3 --area 2000 --confid 0.9 --aaa 150 -b 20

     7. 输出结果

模板匹配算法优缺点

1. 优点：

• 实现简单，易于理解和编程。
• 对于简单场景和应用，效果较好。

2. 缺点：

• 对光照、遮挡和图像噪声敏感。
• 计算量大，特别是在大图像或多模板的情况下。

argparse 模块优缺点

1. 优点：

• 易于使用，可以自动生成帮助和使用说明。
• 支持参数的类型检查和默认值设置。
• 可以处理复杂的命令行参数结构。

2. 缺点：

• 对于非常复杂的命令行界面，可能需要更多的定制化。