Template Matching
Il template matching è una tecnica classica di visione artificiale che individua una piccola porzione di riferimento in un'immagine più grande assegnando un punteggio a ogni posizione.
Il template matching è una tecnica classica di visione artificiale che individua dove una piccola immagine di riferimento, il template, compare all'interno di un'immagine più grande. Il template scorre sull'immagine un pixel alla volta; a ogni posizione viene calcolato un punteggio di somiglianza e viene segnalata la posizione con il punteggio più alto come corrispondenza. Il risultato è una mappa dei punteggi. Il massimo indica la corrispondenza per le misure di correlazione, mentre il minimo la indica per le misure basate sulle differenze quadratiche.
Poiché confronta i valori grezzi dei pixel e non apprende dai dati, il template matching è più vicino all'elaborazione delle immagini che al machine learning. Rimane un metodo di riferimento nelle librerie come OpenCV, che lo mette a disposizione come cv2.matchTemplate.
Come funziona il calcolo del punteggio#
A ogni spostamento, il template viene confrontato con la porzione dell'immagine sottostante delle stesse dimensioni. Il confronto a scorrimento è strettamente correlato alla cross-correlazione utilizzata nei livelli di convoluzione, ma usa una misura di somiglianza fissa al posto di un filtro appreso. Le misure più comuni sono:
- Differenza quadratica: somma le differenze quadratiche dei pixel, quindi un valore più basso è migliore. È poco costosa, ma varia con ogni cambiamento di luminosità.
- Cross-correlazione: moltiplica i pixel del template per quelli della porzione dell'immagine, quindi una porzione luminosa può ottenere un punteggio superiore a una corrispondenza esatta.
- Cross-correlazione normalizzata (NCC): divide per le magnitudini della porzione dell'immagine e del template, risolvendo il problema delle porzioni luminose e limitando l'intervallo dei punteggi.
- Coefficiente di correlazione: sottrae la media di ciascuna porzione prima della normalizzazione, così una variazione uniforme della luminosità non modifica il punteggio. L'articolo di J. P. Lewis del 1995 su Vision Interface, dedicato al template matching rapido e intitolato Cross-correlazione normalizzata rapida, ha mostrato che questa forma normalizzata può essere calcolata in modo efficiente usando tabelle integrali precalcolate dell'immagine e del suo quadrato. scikit-image offre la stessa tecnica nell'esempio match_template.
Dopo il calcolo dei punteggi, una soglia mantiene solo i candidati più forti. Quando il template compare più volte, ad esempio in monete o piastrelle ripetute, ogni estremo locale che supera la soglia è un rilevamento candidato. Le corrispondenze sovrapposte vengono in genere unite tramite la soppressione dei massimi non locali. I punteggi sono valori di somiglianza, non livelli di confidenza calibrati.
Il frammento di codice qui sotto ritaglia una porzione dalla foto di esempio di un autobus, aggiunge una variazione uniforme della luminosità alla scena e individua la posizione della porzione tramite il coefficiente di correlazione.
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}")Il punteggio con sottrazione della media ignora una variazione uniforme, quindi il picco si trova nell'angolo del ritaglio (200, 400) con un punteggio di 1.0, salvo arrotondamenti.
Dove si usa#
Il template matching funziona quando il bersaglio ha sempre lo stesso aspetto:
- Automazione di giochi e interfacce grafiche: il tutorial di OpenCV individua ogni moneta in uno screenshot di un gioco applicando una soglia alla mappa dei punteggi, poiché gli sprite renderizzati si ripetono identici a livello di pixel.
- Ispezione visiva: si cerca un ritaglio di riferimento di un'etichetta in ogni fotogramma acquisito da una telecamera fissa per verificare che sia presente: un'attività di base di visione artificiale industriale.
- Corrispondenza di movimento e stereo: piccoli blocchi vengono confrontati tra fotogrammi consecutivi o tra le viste sinistra e destra per stimare lo spostamento o la disparità.
- Imaging medico: uno studio sull'NCC pubblicato su PLOS ONE seleziona un template in un'immagine e lo fa scorrere su una seconda immagine dello stesso paziente, acquisita in un momento diverso, per seguire il movimento interno. La stessa idea è alla base della registrazione delle immagini.
Limiti e alternative#
Un template rappresenta un aspetto preciso, quindi il punteggio diminuisce quando l'oggetto viene ruotato, ridimensionato, parzialmente nascosto o ripreso su uno sfondo nuovo. Una ricerca esaustiva diretta ha un costo approssimativamente pari alla dimensione dell'immagine moltiplicata per quella del template. La corrispondenza su una piramide di immagini gestisce le variazioni di scala e la rotazione del template gestisce quelle di angolazione, ma ogni scala o angolazione aggiuntiva comporta un'altra ricerca completa, mentre restringere la regione di ricerca riduce il lavoro.
Altri metodi sacrificano la precisione assoluta in favore dell'invarianza. Gli approcci basati su punti chiave, come SIFT, confrontano descrittori locali che resistono alle variazioni di scala e rotazione; la famiglia più ampia è trattata alla voce corrispondenza delle immagini. La trasformata di Hough individua forme parametriche come linee e cerchi. I modelli di rilevamento degli oggetti appresi imparano l'aspetto di un'intera classe da esempi etichettati, così un solo modello copre molte variazioni di un oggetto, mentre il template matching richiede un template per ogni variazione.
Ultralytics YOLO26 segue l'approccio basato sull'apprendimento. Un modello addestrato su immagini annotate in Ultralytics Platform prevede riquadri delimitatori per le classi su cui è stato addestrato; durante l'addestramento, l'aumento dei dati può introdurre variazioni di rotazione, scala e luminosità.
matchTemplate di OpenCV offre sei metodi di confronto: differenza quadratica, cross-correlazione e coefficiente di correlazione, ciascuno con una variante normalizzata.










