直方图与模板匹配

核心概念 #

直方图是图像像素强度分布的图形表示，提供了图像中像素值分布的统计信息。模板匹配是一种在较大图像中搜索和查找模板图像位置的技术。

流程图 #

graph LR
    A[原始图像] --> B[计算直方图]
    B --> C[统计像素分布]
    C --> D[分析图像特征]
    D --> E[模板匹配]
    E --> F[目标检测]

    style A fill:#FF3D71,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style B fill:#00D4FF,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style C fill:#00C851,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style D fill:#FF9500,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style E fill:#9C27B0,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style F fill:#E91E63,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF

位运算 #

cv2.bitwise_and(src1, src2, dst=None, mask=None) #

功能: 对两个图像进行位 AND 运算

参数:

• src1: 第一个输入图像 (numpy.ndarray)
• src2: 第二个输入图像 (numpy.ndarray)
• dst: 输出图像（可选）
• mask: 掩模图像（可选）

返回值: 位 AND 运算结果 (numpy.ndarray)

绘图函数 #

cv2.rectangle(img, pt1, pt2, color, thickness=1, lineType=8, shift=0) #

功能: 在图像上绘制矩形

参数:

• img: 目标图像 (numpy.ndarray)
• pt1: 矩形左上角坐标 (tuple): (x, y)
• pt2: 矩形右下角坐标 (tuple): (x, y)
• color: 矩形颜色 (tuple): (B, G, R) 或标量
• thickness: 线条粗细，-1 表示填充 (int)
• lineType: 线条类型
• shift: 坐标点小数位数

返回值: None（直接修改输入图像）

直方图相关函数 #

cv2.calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=False) #

功能: 计算图像直方图

参数:

• images: 输入图像列表 (list[numpy.ndarray])
• channels: 通道索引列表 (list[int])
  • 灰度图：[0]
  • 彩色图：[0], [1], [2] 分别对应 B, G, R 通道
• mask: 掩模图像 (numpy.ndarray) 或 None
• histSize: 直方图 bins 数量列表 (list[int])
• ranges: 像素值范围列表 (list[float])
• hist: 输出直方图（可选）
• accumulate: 是否累积直方图（可选）

返回值: 直方图数组 (numpy.ndarray)

cv2.equalizeHist(src, dst=None) #

功能: 直方图均衡化

参数:

• src: 输入灰度图像 (numpy.ndarray)
• dst: 输出图像（可选）

返回值: 均衡化后的图像 (numpy.ndarray)

cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) #

功能: 创建 CLAHE（对比度受限的自适应直方图均衡化）对象

参数:

• clipLimit: 对比度限制阈值 (float)
  • 值越大，对比度增强越明显
  • 典型值：1.0-4.0
• tileGridSize: 图像分块大小 (tuple): (width, height)
  • 较小的块：更强的局部对比度
  • 较大的块：更平滑的过渡

返回值: CLAHE 对象

CLAHE 对象方法:

• apply(src): 应用 CLAHE 到图像

模板匹配函数 #

cv2.matchTemplate(image, templ, method, result=None, mask=None) #

功能: 模板匹配

参数:

• image: 搜索图像 (numpy.ndarray)
• templ: 模板图像 (numpy.ndarray)
• method: 匹配方法 (int)
  • cv2.TM_CCOEFF: 相关系数匹配
  • cv2.TM_CCOEFF_NORMED: 归一化相关系数匹配（推荐）
  • cv2.TM_CCORR: 相关匹配
  • cv2.TM_CCORR_NORMED: 归一化相关匹配
  • cv2.TM_SQDIFF: 平方差匹配
  • cv2.TM_SQDIFF_NORMED: 归一化平方差匹配
• result: 输出结果矩阵（可选）
• mask: 模板掩模（可选）

返回值: 匹配结果矩阵 (numpy.ndarray)

cv2.minMaxLoc(src, mask=None) #

功能: 查找矩阵中的最大值和最小值及其位置

参数:

• src: 输入单通道矩阵 (numpy.ndarray)
• mask: 掩模矩阵（可选）

返回值: 四元组 (minVal, maxVal, minLoc, maxLoc)

• minVal: 最小值 (float)
• maxVal: 最大值 (float)
• minLoc: 最小值位置 (tuple): (x, y)
• maxLoc: 最大值位置 (tuple): (x, y)

基础实现示例 #

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 显示图像的辅助函数
def cv_show(name, img):
    """显示图像的辅助函数"""
    cv2.imshow(name, img)
    cv2.waitKey(0)  # 等待时间，毫秒级，0表示任意键终止
    cv2.destroyAllWindows()

# 基础使用示例
def basic_example():
    """基础使用示例"""
    # 读取图像 - OpenCV 4.x 推荐使用完整路径
    img = cv2.imread('/images/notes/opencv/lena.jpg', cv2.IMREAD_COLOR)        # 读取彩色图像
    gray = cv2.imread('/images/notes/opencv/lena.jpg', cv2.IMREAD_GRAYSCALE)   # 读取灰度图像

    # 检查图像是否成功读取
    if img is None or gray is None:
        print("无法读取图像文件")
        return

    # 颜色空间转换
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # 直方图计算
    hist = cv2.calcHist([gray], [0], None, [256], [0, 256])

    # 直方图均衡化
    equ = cv2.equalizeHist(gray)

    # CLAHE (对比度受限的自适应直方图均衡化)
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    clahe_img = clahe.apply(gray)

    # 模板匹配
    template = cv2.imread('/images/notes/opencv/face.jpg', cv2.IMREAD_GRAYSCALE)
    if template is not None:
        res = cv2.matchTemplate(gray, template, cv2.TM_CCOEFF_NORMED)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

        # 绘制矩形 - 确保坐标类型正确
        h, w = template.shape[:2]
        top_left = max_loc
        bottom_right = (top_left[0] + w, top_left[1] + h)
        cv2.rectangle(img, top_left, bottom_right, (0, 255, 0), 2)

    return img, gray, hist, equ, clahe_img

# 运行基础示例
if __name__ == "__main__":
    basic_example()

掩模操作 #

掩模允许我们只统计图像特定区域的直方图：

graph LR
    A[原始图像] --> B[创建掩模]
    B --> C[应用掩模]
    C --> D[计算区域直方图]

    style A fill:#E91E63,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style B fill:#FF5722,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style C fill:#8BC34A,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF
    style D fill:#9C27B0,stroke:#FFFFFF,stroke-width:3px,color:#FFFFFF