与 skimage 匹配的模板：为什么输出尺寸与输入尺寸不同？
Template matching with skimage: why aren't output dimensions same as input dimensions?
在this tutorial与Python库skimage的模板匹配中，有一些简单的示例代码：
import numpy as np
from skimage import data
from skimage.feature import match_template
image = data.coins()
coin = image[170:220, 75:130]
result = match_template(image, coin)
当我运行这个时，result似乎对应于输入图像，但尺寸略有不同：
>>> image.shape
(303, 384)
>>> result.shape
(254, 330)
为什么会这样？如何使 result 的像素对应于输入 image 的像素？
结果较小，因为图像内可能的位置数（模板可以放置在这些位置处而不与图像边界重叠）小于图像中所有像素的数量。例如，如果您尝试将模板的左上角与图像中的每个像素对齐，那么当您接近图像的 lower/right 部分时，模板会 "leak" 超出图像。 match_template 函数有一个特殊参数 pad_input（以及相关参数 mode、constant_values），它允许在图像边框上填充，以便模板可以在那里匹配.
在this tutorial与Python库skimage的模板匹配中，有一些简单的示例代码：
import numpy as np
from skimage import data
from skimage.feature import match_template
image = data.coins()
coin = image[170:220, 75:130]
result = match_template(image, coin)
当我运行这个时，result似乎对应于输入图像，但尺寸略有不同：
>>> image.shape
(303, 384)
>>> result.shape
(254, 330)
为什么会这样？如何使 result 的像素对应于输入 image 的像素？
结果较小，因为图像内可能的位置数（模板可以放置在这些位置处而不与图像边界重叠）小于图像中所有像素的数量。例如，如果您尝试将模板的左上角与图像中的每个像素对齐，那么当您接近图像的 lower/right 部分时，模板会 "leak" 超出图像。 match_template 函数有一个特殊参数 pad_input（以及相关参数 mode、constant_values），它允许在图像边框上填充，以便模板可以在那里匹配.