Template Matching
Beim Template Matching handelt es sich um ein klassisches Verfahren der Bildverarbeitung, das einen kleinen Referenzausschnitt in einem größeren Bild findet, indem es jede Position bewertet.
Template Matching ist eine klassische Technik der Computer Vision, die ermittelt, an welcher Stelle ein kleines Referenzbild, die Vorlage, in einem größeren Bild vorkommt. Die Vorlage wird Pixel für Pixel über das Bild geschoben, an jeder Position wird ein Ähnlichkeitswert berechnet und die Position mit dem besten Wert als Treffer ausgegeben. Das Ergebnis ist eine Wertematrix. Ihr Maximum kennzeichnet den Treffer bei Korrelationsmaßen, ihr Minimum bei Maßen der quadrierten Differenz.
Da Template Matching rohe Pixelwerte vergleicht und nichts aus Daten lernt, ist es eher der Bildverarbeitung als dem maschinellen Lernen zuzuordnen. Es bleibt eine gängige Basismethode in Bibliotheken wie OpenCV, wo sie als cv2.matchTemplate verfügbar ist.
Funktionsweise der Bewertungsverfahren#
Bei jedem Versatz wird die Vorlage mit dem gleich großen Bildausschnitt darunter verglichen. Der gleitende Vergleich ist eng mit der Kreuzkorrelation in Faltungsschichten verwandt, wobei ein festes Ähnlichkeitsmaß anstelle eines gelernten Filters verwendet wird. Zu den gängigen Maßen gehören:
- Quadrierte Differenz: Addiert die quadrierten Pixeldifferenzen; kleinere Werte sind also besser. Das Verfahren ist kostengünstig, reagiert aber auf jede Helligkeitsänderung.
- Kreuzkorrelation: Multipliziert die Pixel der Vorlage mit denen des Bildausschnitts. Dadurch kann ein heller Bildausschnitt eine exakte Übereinstimmung übertreffen.
- Normierte Kreuzkorrelation (NCC): Teilt durch die Beträge des Bildausschnitts und der Vorlage. Dadurch wird das Problem mit hellen Bildausschnitten behoben und der Wert begrenzt.
- Korrelationskoeffizient: Zieht vor der Normierung den Mittelwert jedes Bildausschnitts ab, sodass ein gleichmäßiger Helligkeitsversatz den Wert nicht verändert. J. P. Lewis zeigte 1995 in seinem Beitrag über schnelles Template Matching für Vision Interface, dass sich diese normierte Form mithilfe vorberechneter Integraltabellen des Bildes und seiner Quadrate effizient berechnen lässt. Der Beitrag trägt den ausgeschriebenen Titel Fast Normalized Cross-Correlation. scikit-image bietet denselben Ansatz im Beispiel match_template.
Nach der Bewertung sorgt ein Schwellenwert dafür, dass nur starke Kandidaten übrig bleiben. Wenn mehrere Kopien der Vorlage vorkommen, etwa wiederholte Münzen oder Fliesen, ist jedes lokale Extremum jenseits des Schwellenwerts eine mögliche Erkennung. Überlappende Treffer werden üblicherweise mit Nicht-Maximum-Unterdrückung zusammengeführt. Die Werte geben Ähnlichkeit an und sind keine kalibrierten Konfidenzen.
Der folgende Codeausschnitt schneidet einen Bildausschnitt aus dem Beispielbild eines Busses aus, addiert zur Szene einen gleichmäßigen Helligkeitsversatz und ermittelt die Position des Bildausschnitts mithilfe des Korrelationskoeffizienten.
import cv2
import numpy as np
from ultralytics.utils import ASSETS
# Load the sample image in grayscale as float32
img = cv2.imread(str(ASSETS / "bus.jpg"), cv2.IMREAD_GRAYSCALE).astype(np.float32)
# Crop a 200 x 200 template whose top-left corner is at x=200, y=400
template = img[400:600, 200:400].copy()
# Add a uniform brightness offset to the scene (no clipping in float32)
scene = img + 40
# Score every position and take the peak of the score map
scores = cv2.matchTemplate(scene, template, cv2.TM_CCOEFF_NORMED)
_, best_score, _, best_xy = cv2.minMaxLoc(scores)
print(f"Best match at {best_xy} with score {best_score:.3f}")Der mittelwertbereinigte Wert ignoriert einen gleichmäßigen Versatz. Daher liegt der Höchstwert bis auf Rundungsabweichungen an der Ecke des Ausschnitts (200, 400) und beträgt 1,0.
Anwendungsbereiche#
Template Matching funktioniert, wenn das Ziel jedes Mal gleich aussieht:
- Spiel- und GUI-Automatisierung: Das Tutorial von OpenCV selbst findet jede Münze in einem Spiel-Screenshot, indem es die Wertematrix mit einem Schwellenwert filtert, da gerenderte Sprites pixelgenau wiederkehren.
- Sichtprüfung: Ein Referenzausschnitt eines Etiketts wird in jedem Bild einer feststehenden Kamera gesucht, um zu prüfen, ob das Etikett vorhanden ist. Das ist eine grundlegende Aufgabe der maschinellen Bildverarbeitung.
- Bewegungs- und Stereozuordnung: Kleine Bildblöcke werden zwischen aufeinanderfolgenden Bildern oder zwischen der linken und rechten Ansicht abgeglichen, um Verschiebung oder Disparität zu schätzen.
- Medizinische Bildgebung: In einer NCC-Studie in PLOS ONE wird eine Vorlage in einem Bild ausgewählt und über ein zweites Bild derselben Person geschoben, das zu einem anderen Zeitpunkt aufgenommen wurde, um innere Bewegungen zu verfolgen. Derselbe Ansatz liegt der Bildregistrierung zugrunde.
Grenzen und Alternativen#
Eine Vorlage bildet genau ein Erscheinungsbild ab. Daher sinkt der Wert, wenn das Objekt gedreht oder skaliert wird, teilweise verdeckt ist oder vor einem neuen Hintergrund zu sehen ist. Eine direkte, vollständige Suche kostet ungefähr das Produkt aus Bildgröße und Vorlagengröße. Eine Suche in einer Bildpyramide berücksichtigt unterschiedliche Maßstäbe, und das Drehen der Vorlage unterschiedliche Winkel. Jede zusätzliche Maßstabs- oder Winkelstufe erfordert jedoch eine weitere vollständige Suche, während ein eingeschränkter Suchbereich den Aufwand reduziert.
Andere Verfahren tauschen Genauigkeit gegen Invarianz. Merkmalspunktverfahren wie SIFT gleichen lokale Deskriptoren ab, die Maßstabsänderungen und Drehungen standhalten; die breitere Verfahrensfamilie wird unter Bildabgleich behandelt. Die Hough-Transformation findet parametrische Formen wie Linien und Kreise. Gelernte Modelle zur Objekterkennung lernen anhand gekennzeichneter Beispiele das Erscheinungsbild einer ganzen Klasse. Ein Modell deckt so viele Varianten eines Objekts ab, für die Template Matching jeweils eine eigene Vorlage benötigt.
Ultralytics YOLO26 nutzt den lernbasierten Ansatz. Ein Modell, das mit annotierten Bildern auf der Ultralytics Platform trainiert wurde, sagt Begrenzungsrahmen für die Klassen voraus, auf die es trainiert wurde. Durch Datenerweiterung während des Trainings lassen sich Drehungen, Maßstabs- und Helligkeitsvariationen hinzufügen.
OpenCVs matchTemplate bietet sechs Vergleichsmethoden: quadrierte Differenz, Kreuzkorrelation und Korrelationskoeffizient, jeweils mit einer normierten Variante.










