Opencv 基于颜色的模板匹配行为

我正在评估模板匹配算法，以区分相似和不同的对象。我发现令人困惑的是，我对模板匹配的印象是一种比较原始像素强度值的方法。因此，当像素值发生变化时，我希望模板匹配提供的匹配百分比较小

我有一个模板和搜索图像具有相同的形状和大小不同，只是在颜色（图片附件）。当我进行模板匹配时，我得到的匹配百分比大于90%

img = cv2.imread('./images/searchtest.png', cv2.IMREAD_COLOR)
template = cv2.imread('./images/template.png', cv2.IMREAD_COLOR)
res = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
print(max_val)

模板图像：

搜索图像：

有人能告诉我为什么会这样吗？我甚至在HSV颜色空间、完整BGR图像、完整HSV图像、单个B、G、R通道和单个H、S、V通道中尝试过。在所有情况下，我都获得了很好的百分比

任何帮助都将不胜感激

res = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)

您可以使用各种参数来查找模板，例如

cv2.TM_-cceeff

，

cv2.TM_-cceeff-NORMED

，

cv2.TM_-CCORR

，

cv2.TM_-CCORR-NORMED

，

cv2.TM_-SQDIFF

，

cv2.TM-SQDIFF-NORMED

您可以在此处查看他们的方程式：

根据我的想法，如果你想使用模板匹配，这样它就不会匹配不同颜色的形状，那么你应该使用CV_TM_SQDIFF或者cv2.TM_cceff_NORMED。 相关项为最大值提供匹配，平方差项为最小值提供匹配。因此，如果您有精确的形状和大小，而不是相同的颜色，您将获得较高的相关性值（参见上面链接中的等式）。

概念：

假设X=（X_1，X_2，….X_n），Y=（Y_1，Y_2，…，Y_n）满足Y_i=a*X_i对于所有i和某个正常数a，则 （所有X_i*Y_i之和）=a*（X_i之和）^2）=平方根（X_i之和）^2）*平方根（a*X_i之和）^2）。 因此（所有X_i*Y_i之和）/（平方根（X_i之和）^2）*平方根（Y_i之和）^2））=1

在你的例子中，X代表你的模板图像，几乎只有两种颜色，背景是黑色，是0，前景颜色是恒定的c。Y代表图像的ROI，也几乎只有两种颜色，背景是0，前景是另一个恒定的d。所以我们有a=d/c来满足上述概念。所以，如果我们使用cv2.TM_CCORR_NORMED，我们得到的结果接近1，这是我们所期望的

---

对于cv2.TM_CCOEFF_赋范，如果Y_i=a*X_i+b表示所有i和一些常数b以及一些正常数a，那么X和Y之间的相关系数为1（基本统计）。因此，如果我们使用cv2.TM_cFeff_NORMED，我们得到的结果接近1，这是我们预期的结果。

谢谢，仅供参考，我已经测试了文档中提到的所有6种方法，并且所有这些方法都与对象匹配，尽管它们存在色差。我很感兴趣。您是否使用深色模板尝试过相同的方法？类似深蓝色/红色的东西？这让我很困扰，因为你问我尝试了深红色模板，它匹配率为75%，尽管没有得到背后的原因。从这一点我们可以得出结论，它高度依赖于边缘，而不是颜色。接下来，尝试匹配相同颜色的正方形（或任何其他形状）。@Yves:我已经检查了OpenCV的源代码实现，并确保没有发生转换，但没有得到物理解释，涉及的数学实际上使用了不同的方法，而不是强度比较