Template Matching
La comparación de plantillas es una técnica clásica de visión artificial que busca un pequeño fragmento de referencia en una imagen más grande puntuando cada posición.
La coincidencia de plantillas es una técnica clásica de visión artificial que localiza dónde aparece una pequeña imagen de referencia, la plantilla, dentro de una imagen más grande. La plantilla se desplaza por la imagen píxel a píxel, se calcula una puntuación de similitud en cada posición y se señala como coincidencia la posición con la mejor puntuación. El resultado es un mapa de puntuaciones. Su valor máximo indica la coincidencia en las medidas de correlación, y su valor mínimo, en las medidas de diferencia cuadrática.
Como compara valores de píxeles sin procesar y no aprende de los datos, la coincidencia de plantillas se parece más al procesamiento de imágenes que al aprendizaje automático. Sigue siendo una técnica de referencia habitual en bibliotecas como OpenCV, que la ofrece mediante cv2.matchTemplate.
Cómo funciona la puntuación#
En cada desplazamiento, se compara la plantilla con el fragmento de imagen del mismo tamaño que hay debajo. Esta comparación deslizante está estrechamente relacionada con la correlación cruzada utilizada en las capas de convolución, pero emplea una medida de similitud fija en lugar de un filtro aprendido. Las medidas más habituales son:
- Diferencia cuadrática: Suma las diferencias al cuadrado entre los píxeles, por lo que cuanto menor sea el valor, mejor. Es rápida, pero cualquier cambio en el brillo altera el resultado.
- Correlación cruzada: Multiplica los píxeles de la plantilla y del fragmento, por lo que un fragmento brillante puede obtener una puntuación superior a la de una coincidencia exacta.
- Correlación cruzada normalizada (NCC): Divide por las magnitudes del fragmento y de la plantilla, lo que resuelve el problema de los fragmentos brillantes y acota la puntuación.
- Coeficiente de correlación: Resta la media de cada fragmento antes de normalizarlo, de modo que un desplazamiento uniforme del brillo no altera la puntuación. El artículo de J. P. Lewis de 1995 publicado en Vision Interface sobre la coincidencia rápida de plantillas, con el título Correlación cruzada normalizada rápida, mostró que esta forma normalizada puede calcularse de manera eficiente con tablas integrales precalculadas de la imagen y de su cuadrado. scikit-image ofrece la misma idea en su ejemplo match_template.
Después de calcular las puntuaciones, se aplica un umbral para conservar solo los candidatos más sólidos. Cuando aparecen varias copias de la plantilla, como monedas o baldosas repetidas, cada extremo local que supera el umbral es una detección candidata. Normalmente, las detecciones superpuestas se combinan mediante la supresión de no máximos. Las puntuaciones son valores de similitud, no niveles de confianza calibrados.
El fragmento de código siguiente recorta una región de la fotografía de muestra del autobús, añade un desplazamiento uniforme de brillo a la escena y recupera la ubicación de la región mediante el coeficiente de correlación.
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}")La puntuación con la media restada ignora un desplazamiento uniforme, así que el máximo se sitúa en la esquina del recorte (200, 400), con una puntuación de 1,0, salvo por el redondeo.
Dónde se utiliza#
La coincidencia de plantillas funciona cuando el objetivo presenta siempre el mismo aspecto:
- Automatización de juegos e interfaces gráficas: El tutorial de OpenCV encuentra todas las monedas en una captura de pantalla de un juego aplicando un umbral al mapa de puntuaciones, ya que los sprites renderizados se repiten píxel por píxel.
- Inspección visual: Se busca un recorte de referencia de una etiqueta en cada fotograma de una cámara fija para comprobar que está presente; es una tarea básica de visión artificial industrial.
- Correspondencia de movimiento y estéreo: Se hacen coincidir pequeños bloques entre fotogramas consecutivos o entre las vistas izquierda y derecha para estimar el desplazamiento o la disparidad.
- Imagen médica: Un estudio de NCC en PLOS ONE selecciona una plantilla en una imagen y la desplaza sobre una segunda imagen del mismo paciente, tomada en otro momento, para seguir el movimiento interno. La misma idea es la base del registro de imágenes.
Limitaciones y alternativas#
Una plantilla representa un aspecto concreto, así que la puntuación disminuye si el objeto gira, cambia de tamaño, queda parcialmente oculto o aparece sobre un fondo nuevo. Una búsqueda exhaustiva directa tiene un coste aproximado proporcional al tamaño de la imagen por el tamaño de la plantilla. La coincidencia en una pirámide de imágenes permite gestionar cambios de escala y la rotación de la plantilla permite gestionar cambios de ángulo, pero cada escala o ángulo adicional requiere otra búsqueda completa, mientras que reducir la región de búsqueda disminuye el trabajo.
Otros métodos sacrifican exactitud a cambio de invariancia. Los métodos basados en puntos clave, como SIFT, comparan descriptores locales que resisten los cambios de escala y rotación, y la familia más amplia se aborda en coincidencia de imágenes. La transformada de Hough detecta formas paramétricas, como líneas y círculos. Los modelos aprendidos de detección de objetos aprenden el aspecto de una clase completa a partir de ejemplos etiquetados, por lo que un solo modelo abarca muchas variaciones de un objeto, mientras que la coincidencia de plantillas requiere una plantilla para cada variación.
Ultralytics YOLO26 sigue el enfoque basado en aprendizaje. Un modelo entrenado con imágenes anotadas en Ultralytics Platform predice cuadros delimitadores para las clases con las que se entrenó, y durante el entrenamiento se puede aplicar aumento de datos para añadir variaciones de rotación, escala y brillo.
matchTemplate de OpenCV ofrece seis métodos de comparación: diferencia cuadrática, correlación cruzada y coeficiente de correlación, cada uno con una variante normalizada.










