OpenCV模板匹配识别QR定位方块时出现伪影的解决求助

尝试用OpenCV模板匹配定位QR码三个角的定位方块时，输出结果出现严重伪影（左侧大片模板拖影，底部有清晰模板伪影）。相关代码如下：

import cv2
import numpy as np

qrs=['A','B','C','D','E']
for qr in qrs:
    
    template=cv2.imread(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR_Template_final.png',0)    
    img = cv2.imread(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR_'+qr+'.png', 0)
    img_origin = cv2.imread(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR_'+qr+'.png')
    
    # Binarize
    img[img>125]=255
    img[img<126]=0
    img=img.astype(np.float32)
    template=template.astype(np.float32)

        
    # Template Matching
    res=cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    res=255*(res-min_val)/(max_val-min_val)
    
    out=cv2.imwrite(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR\Threshold\QR_IMG'+qr+'.png',img)
    out=cv2.imwrite(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR\Threshold\QR_Threshold'+qr+'.png',res)

已提供无伪影的输入QR码原图，以及未二值化的输出结果图，寻求伪影解决办法。

解决方案 #

1. 优化二值化方式 #

当前固定阈值（125）的二值化鲁棒性差，易因光照不均导致图像失真，改用Otsu自动阈值分割适配不同场景：

# 替换原二值化代码
_, img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
img = img.astype(np.float32)

2. 更换模板匹配算法 #

TM_CCORR_NORMED对边缘和噪声的响应较强，容易产生伪影，建议改用更稳定的匹配方法：

• 优先选择TM_CCOEFF_NORMED（匹配值越大越相似）或TM_SQDIFF_NORMED（匹配值越小越相似）
• 代码替换示例：

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

3. 同步模板预处理 #

确保模板与输入图像的预处理逻辑一致，避免因模板灰度差异导致匹配偏差：

# 读取模板后添加Otsu二值化
template = cv2.imread(r'C:\Users\Matt\Desktop\Virginia Tech\CV\QR_Template_final.png', 0)
_, template = cv2.threshold(template, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
template = template.astype(np.float32)

4. 添加匹配结果后处理 #

对归一化后的匹配结果设置置信度阈值，过滤低匹配值区域，抑制伪影：

# 在归一化步骤后添加阈值过滤
res = 255*(res-min_val)/(max_val-min_val)
# 保留高置信度匹配区域（阈值可根据实际效果调整）
res[res < 200] = 0

5. 验证模板尺寸 #

确认模板是标准的QR码定位方块（7x7像素的黑白交替结构），尺寸不符会导致多余的匹配响应，产生伪影。

内容的提问来源于stack exchange，提问作者mfergus9