SSD模板匹配报错及匹配区域矩形绘制求助

错误原因分析 #

原代码存在两个关键问题引发ValueError: mismatch in the length of stride and shape：

• 重复调用as_strided并覆盖了正确的滑动窗口数组y，第二次调用的shape为2维，但strides是原图像步长的2倍（4个元素），维度不匹配
• 后续einsum运算依赖高维滑动窗口数组，被覆盖后的2维数组无法满足运算要求

修复后的SSD计算函数 #

import numpy as np
from numpy.lib.stride_tricks import as_strided
import cv2

def sumsqdiff3(input_image, template):
    window_size = template.shape
    # 计算输出特征图的尺寸
    out_h = input_image.shape[0] - window_size[0] + 1
    out_w = input_image.shape[1] - window_size[1] + 1
    
    # 生成滑动窗口数组：shape=(out_h, out_w, h_tpl, w_tpl)
    y = as_strided(
        input_image,
        shape=(out_h, out_w) + window_size,
        strides=input_image.strides * 2
    )
    
    # SSD公式展开：sum((I-T)^2) = sum(I²) - 2*sum(I*T) + sum(T²)
    ssd = -2 * np.einsum('ijkl,kl->ij', y, template)
    ssd += np.einsum('ijkl,ijkl->ij', y, y)
    ssd += np.sum(template ** 2)
    
    return ssd

完整匹配与绘制流程 #

1. 加载并预处理图像
   将原图和模板转为灰度图，确保维度一致：

   # 替换为实际本地图像路径
   img = cv2.imread('原图路径', cv2.IMREAD_GRAYSCALE)
   template = cv2.imread('模板路径', cv2.IMREAD_GRAYSCALE)
   

2. 计算SSD匹配结果

   ssd_map = sumsqdiff3(img, template)
   

3. 定位最佳匹配区域
   SSD值越小匹配度越高，找到最小值对应的坐标：

   min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ssd_map)
   top_left = min_loc
   h, w = template.shape
   bottom_right = (top_left[0] + w, top_left[1] + h)
   

4. 绘制匹配矩形框
   转彩色图后绘制矩形，可选择显示或保存结果：

   img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
   cv2.rectangle(img_color, top_left, bottom_right, (0, 255, 0), 2)
   
   # 显示结果
   cv2.imshow('匹配结果', img_color)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   
   # 保存结果
   cv2.imwrite('匹配结果图.jpg', img_color)
   

注意事项 #

• 模板图尺寸必须小于原图，否则无法生成有效滑动窗口
• 若处理彩色图像，需转为灰度图或对每个通道分别计算SSD后合并结果
• as_strided创建数组视图不复制数据，效率较高，但需确保尺寸和步长计算正确，避免内存越界访问

内容的提问来源于stack exchange，提问作者programmer_smart