【OpenCV】matchTemplate関数による物体検出

「OpenCVのmatchTemplate関数が使えるのか？使えないのか？」
使い方にもよりますが、使えないという結論になるでしょう。

おそらく、matchTemplate関数を調べている人が、望んでいるモノとは違います。
少なくとも、私が望んでいたモノとは違いました。

でも、それなりの使い道もあるでしょう。
かなり限定されるとは思いますが。

本記事の内容

OpenCVのmatchTemplate関数
【使えるパターン】matchTemplate関数による物体検出
【使えないパターン】matchTemplate関数による物体検出

それでは、上記に沿って解説していきます。

OpenCVのmatchTemplate関数

関数の定義は、以下。

matchTemplate(image, templ, method, result=None, mask=None)

引数

image	テンプレートの探索対象となる画像
templ	探索されるテンプレート
method	比較手法の指定
result	比較結果のマップ
mask	テンプレートの一部マスク化

戻り値は、多次元配列データです。
そのデータには、各座標毎に類似度が格納されています。

matchTemplate関数がやっていることは、テンプレートをひたすら探しているだけです。
テンプレートを探索対象画像の範囲内でスライドしながら、比較して類似度を算出します。
下記のイメージです。

このときの比較して類似度を算出する方法には、以下だけ存在しています。

cv2.TM_CCOEFF
cv2.TM_CCOEFF_NORMED
cv2.TM_CCORR
cv2.TM_CCORR_NORMED
cv2.TM_SQDIFF
cv2.TM_SQDIFF_NORMED

これらをmethodに指定します。
それぞれの詳細は、ここでは説明しません。
いろいろと難しい計算式で説明がされています。

ちなみに、「NORMED」は正規化を表しているのでしょう。
計算する際に、数値を標準化して云々のことだと思います。

なお、resultとmaskはオプションです。
デフォルトでは、Noneを指定しています。

maskは使い方次第で、matchTemplate関数の価値をUPさせます。
これに関しては、別の記事で解説を行いたいと思います。

以上より、OpenCVのmatchTemplate関数についてのイメージはつかめたはずです。
では、実際に動かしていきましょう。

【使えるパターン】matchTemplate関数による物体検出

もしOpenCVをインストールしていない場合は、次の記事が参考になります。

まずは、画像を用意します。

探索対象画像「input.jpg」（597 x 800）

テンプレート画像「target.jpg」（48 x 57）

テンプレート画像は、探索対象画像から切り取った画像です。
切り取った後に、サイズの変更はしていません。
これが、重要なポイントとなります。

サンプルコード

上記で挙げたすべての比較方法で探索を行います。
以下が、Pythonのサンプルコードです。

import cv2

# 探索対象画像読み込み（オリジナル＝カラーあり）
src = cv2.imread('input.jpg')
# 探索対象画像のグレースケール化
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
# テンプレート画像の読み込み（グレースケール画像として）
template = cv2.imread('target.jpg', 0)
w, h = template.shape[::-1]

# 比較するための6つの方法のすべて
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

# 各比較方法によるマッチング
for meth in methods:
    tmp_src = src.copy()
    tmp_gray = gray.copy()
    method = eval(meth)

    # マッチング適用
    # マッチング自体グレースケール化した画像同士で行う
    res = cv2.matchTemplate(tmp_gray, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # TM_SQDIFF・TM_SQDIFF_NORMEDの場合は最小を取る
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)

    # マッチング結果は探索対象画像（カラー）に反映
    cv2.rectangle(tmp_src, top_left, bottom_right, 255, 2)

    # 比較方法名を出力ファイル名にする
    output_name = meth.replace('.', '_') + ".jpg"
    # マッチングした結果の画像を保存
    cv2.imwrite(output_name, tmp_src)

上記コードを実行した結果、6個の画像が作成されます。