标签:otn 一个 bsp plt 最小 href 返回 jpg 宽度
原文:https://www.cnblogs.com/gezhuangzhuang/p/10724769.html
import cv2 import numpy as np from matplotlib import pyplot as plt # 读取图片 big.jpg img = cv2.imread(‘big.jpg‘, 0) # 读取图片 smart.jpg template = cv2.imread(‘smart.jpg‘, 0) # rows->h, cols->w # h:表示矩阵的行数 # w:表示矩阵的列数 # 这里是得到模板的矩阵大小 h, w = template.shape[:2] # 相关系数匹配方法: cv2.TM_CCOEFF # 1表示完美匹配, -1表示糟糕的匹配, 0表示没有任何相关性(随机序列) # res为一个数组(矩阵) res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF) # cv2.minMaxLoc:在数组中找到全局最小值和最大值 # 返回的是 最值的位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) print(min_val) print(max_val) print(min_loc) print(max_loc) # 左上角 取的最大值那个的位置 left_top = max_loc # 右下角 矩阵知道了左上角一个点后 加上长宽 就知道整个矩形了 right_bottom = (left_top[0] + w, left_top[1] + h) # cv2.rectangle:画出矩形位置 # 第一个参数:img是原图 # 第二个参数:(x,y)是矩阵的左上点坐标 # 第三个参数:(x+w,y+h)是矩阵的右下点坐标 # 第四个参数:(0,255,0)是画线对应的rgb颜色 # 第五个参数:2是所画的线的宽度 cv2.rectangle(img, left_top, right_bottom, 255, 2) # plt.subplot:用于绘图 可用于图像对比 # subplot(numRows, numCols, plotNum) # numRows:行 # numCols:列 # plotNum:指定的区域 # 使用方式: # 如果 numRows = 2, numCols = 3, 那整个绘制图表样式为 2X3 的图片区域, 用坐标表示为 # (1, 1), (1, 2), (1, 3) # (2, 1), (2, 2), (2, 3) # 当 plotNum = 3 时, 表示的坐标为(1, 3), 即第一行第三列的子图 # 原文:https://www.cnblogs.com/xiaoboge/p/9683056.html # plt.subplot(1,2,1):1行2列第1个区域 坐标(1,1) plt.subplot(1,2,1) # plt.imshow:图像绘画 # matplotlib.pyplot.imshow(X, cmap=None) # X:要绘制的图像或数组 # cmap:颜色图谱 常用 plt.cm.gray plt.cm.jet plt.imshow(res, cmap=‘gray‘) plt.title(‘pic 1‘) plt.xticks([])# x轴 plt.yticks([])# y轴 # plt.subplot(1,2,2):1行2列第2个区域 坐标(1,2) plt.subplot(1,2,2), plt.imshow(img, cmap=‘gray‘) plt.title(‘pic 2‘), plt.xticks([]), plt.yticks([]) plt.show()
测试环境:
win7 64,python 3.7.3
安装的那些包,以前就装了 前面文章应该有安装
用到的测试图片:
big.jpg
smart.jpg
标签:otn 一个 bsp plt 最小 href 返回 jpg 宽度
原文地址:https://www.cnblogs.com/guxingy/p/12199681.html