如何用Python实现图像中子图搜索并获取坐标？解决匹配异常问题

方案一：优化模板匹配的阈值判断 #

TM_SQDIFF_NORMED的匹配结果范围是0到1，值越接近0表示匹配度越高。之前阈值效果差大概率是阈值设置不合理，或者缺少匹配有效性校验。可以按以下逻辑优化：

• 设定合理的匹配阈值（比如0.1，需根据实际场景调整）
• 仅当最小匹配值小于阈值时，判定目标存在并绘制匹配框；否则直接提示目标不存在

修改后的模板匹配代码：

import cv2

method = cv2.TM_SQDIFF_NORMED

# 读取图像
small_image = cv2.imread('c3.jpg')
large_image = cv2.imread('screenPls.png')

# 检查图像读取状态
if small_image is None or large_image is None:
    print("无法读取图像文件，请检查路径是否正确")
    exit()

result = cv2.matchTemplate(small_image, large_image, method)
mn, _, mnLoc, _ = cv2.minMaxLoc(result)

# 设置匹配阈值，可根据实际场景调整
match_threshold = 0.1
if mn < match_threshold:
    # 提取匹配坐标和模板尺寸
    MPx, MPy = mnLoc
    trows, tcols = small_image.shape[:2]
    # 绘制匹配框
    cv2.rectangle(large_image, (MPx, MPy), (MPx + tcols, MPy + trows), (0, 0, 255), 2)
    cv2.imshow('output', large_image)
else:
    print("未找到目标图像")
    cv2.imshow('output', large_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

方案二：使用特征点匹配（更鲁棒） #

如果模板匹配对尺度、旋转、光照变化敏感，推荐用ORB/SIFT这类特征匹配方法。它通过提取图像局部特征完成匹配，稳定性更强，能有效判断目标是否存在。

示例代码（ORB特征匹配）：

import cv2
import numpy as np

# 读取灰度图像
template = cv2.imread('c3.jpg', 0)
target = cv2.imread('screenPls.png', 0)

if template is None or target is None:
    print("无法读取图像文件，请检查路径是否正确")
    exit()

# 初始化ORB检测器
orb = cv2.ORB_create()
# 检测特征点并计算描述符
kp1, des1 = orb.detectAndCompute(template, None)
kp2, des2 = orb.detectAndCompute(target, None)

# 暴力匹配器匹配特征点
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
# 按匹配距离排序（距离越小匹配度越高）
matches = sorted(matches, key=lambda x: x.distance)

# 设置匹配点数量阈值，判断目标是否存在
min_match_count = 10
if len(matches) > min_match_count:
    # 获取匹配点坐标
    src_pts = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1, 1, 2)
    
    # 计算透视变换矩阵
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    h, w = template.shape
    # 获取模板四个角点在目标图像中的位置
    pts = np.float32([[0, 0], [0, h-1], [w-1, h-1], [w-1, 0]]).reshape(-1, 1, 2)
    dst = cv2.perspectiveTransform(pts, M)
    
    # 绘制匹配框
    target_color = cv2.cvtColor(target, cv2.COLOR_GRAY2BGR)
    cv2.polylines(target_color, [np.int32(dst)], True, (0, 0, 255), 2)
    cv2.imshow('output', target_color)
else:
    print(f"匹配点数量不足，仅找到{len(matches)}个匹配点，未找到目标图像")
    cv2.imshow('output', cv2.cvtColor(target, cv2.COLOR_GRAY2BGR))

cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 模板匹配的阈值需要根据实际场景调试，光照变化大时可适当放宽阈值（比如0.2）
• 特征匹配的min_match_count需结合图像复杂度调整，简单图像可设小，复杂图像设大

内容的提问来源于stack exchange，提问作者Turbo -V9