Template Matching
La mise en correspondance de modèles est une technique classique de vision par ordinateur qui repère une petite zone de référence dans une image plus grande en attribuant un score à chaque position.
La mise en correspondance de modèles est une technique classique de vision par ordinateur qui permet de trouver où une petite image de référence, appelée le modèle, apparaît dans une image plus grande. Le modèle est déplacé sur l’image pixel par pixel ; un score de similarité est calculé à chaque position, et la position obtenant le meilleur score est renvoyée comme correspondance. Le résultat est une carte de scores. Son maximum indique la correspondance pour les mesures de corrélation, et son minimum l’indique pour les mesures de différence au carré.
Comme elle compare les valeurs brutes des pixels et n’apprend rien à partir des données, la mise en correspondance de modèles relève davantage du traitement d’images que de l’apprentissage automatique. Elle reste une méthode de référence dans des bibliothèques comme OpenCV, qui la propose sous la forme de cv2.matchTemplate.
Fonctionnement du calcul des scores#
À chaque décalage, le modèle est comparé à la portion d’image de même taille qui se trouve dessous. Cette comparaison glissante est étroitement liée à la corrélation croisée utilisée dans les couches de convolution, avec une mesure de similarité fixe à la place d’un filtre appris. Les mesures les plus courantes sont :
- Différence au carré : additionne les différences au carré entre les pixels ; un score plus faible est donc préférable. Cette méthode est peu coûteuse, mais le moindre changement de luminosité modifie le résultat.
- Corrélation croisée : multiplie les pixels du modèle et de la portion d’image ; une portion claire peut donc obtenir un score supérieur à une correspondance exacte.
- Corrélation croisée normalisée (NCC) : divise le résultat par les normes de la portion d’image et du modèle, ce qui résout le problème des portions claires et borne le score.
- Coefficient de corrélation : soustrait la moyenne de chaque portion avant la normalisation, de sorte qu’un décalage uniforme de luminosité ne modifie pas le score. Dans son article de 1995 publié par Vision Interface sur la mise en correspondance rapide de modèles, J. P. Lewis a montré que cette forme normalisée, appelée corrélation croisée normalisée rapide, peut être calculée efficacement grâce à des tables intégrales précalculées de l’image et de son carré. scikit-image propose la même méthode dans son exemple match_template.
Après le calcul des scores, un seuil ne conserve que les candidats les plus probables. Lorsque plusieurs exemplaires du modèle apparaissent, comme des pièces ou des carreaux répétés, chaque extremum local dépassant le seuil constitue une détection candidate. Les détections qui se chevauchent sont généralement regroupées à l’aide de la suppression non maximale. Les scores sont des valeurs de similarité, et non des niveaux de confiance calibrés.
L’extrait ci-dessous recadre une portion de la photo d’exemple d’un bus, ajoute un décalage uniforme de luminosité à la scène et retrouve l’emplacement de la portion à l’aide du coefficient de corrélation.
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}")Le score calculé après soustraction de la moyenne ignore un décalage uniforme ; le pic se trouve donc au coin du recadrage (200, 400), avec un score de 1,0 à l’arrondi près.
Applications#
La mise en correspondance de modèles fonctionne lorsque la cible a toujours la même apparence :
- Automatisation de jeux et d’interfaces graphiques : le tutoriel d’OpenCV trouve toutes les pièces d’une capture d’écran de jeu en appliquant un seuil à la carte de scores, puisque les sprites rendus se répètent pixel pour pixel.
- Inspection visuelle : une portion de référence d’une étiquette est recherchée dans chaque image provenant d’une caméra fixe afin de vérifier sa présence ; il s’agit d’une tâche élémentaire de vision industrielle.
- Mise en correspondance pour le mouvement et la stéréoscopie : de petits blocs sont mis en correspondance entre des images consécutives ou entre les vues de gauche et de droite afin d’estimer le déplacement ou la disparité.
- Imagerie médicale : une étude sur la NCC publiée dans PLOS ONE sélectionne un modèle dans une image et le déplace sur une deuxième image du même patient, prise à un autre moment, pour suivre les mouvements internes. La même idée est à la base du recalage d’images.
Limites et solutions de remplacement#
Un modèle capture une apparence précise ; le score diminue donc si l’objet est tourné, redimensionné, partiellement masqué ou placé sur un nouvel arrière-plan. Une recherche exhaustive directe coûte approximativement le produit de la taille de l’image par celle du modèle. Une recherche sur une pyramide d’images gère les changements d’échelle, et la rotation du modèle gère les changements d’angle, mais chaque échelle ou angle supplémentaire ajoute une recherche complète, tandis que la réduction de la région de recherche diminue le coût.
D’autres méthodes échangent la précision contre l’invariance. Les méthodes par points d’intérêt, comme SIFT, mettent en correspondance des descripteurs locaux qui résistent aux changements d’échelle et aux rotations ; la famille plus large de ces méthodes est présentée dans la section sur la mise en correspondance d’images. La transformée de Hough détecte des formes paramétriques telles que des lignes et des cercles. Les modèles appris de détection d’objets apprennent l’apparence d’une classe entière à partir d’exemples étiquetés ; un seul modèle couvre ainsi de nombreuses variations d’un objet, alors que la mise en correspondance de modèles nécessite un modèle par variation.
Ultralytics YOLO26 adopte l’approche fondée sur l’apprentissage. Un modèle entraîné sur des images annotées dans Ultralytics Platform prédit des boîtes englobantes pour les classes sur lesquelles il a été entraîné, et l’augmentation des données pendant l’entraînement peut ajouter des variations de rotation, d’échelle et de luminosité.
La fonction matchTemplate d’OpenCV propose six méthodes de comparaison : la différence au carré, la corrélation croisée et le coefficient de corrélation, chacune avec une variante normalisée.










