opencv系列27--模板匹配(Template Match)[ api:matchTemplate ]


        模板匹配介绍

q1.png

        1:模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。

        2:所以模板匹配首先需要一个模板图像T(给定的子图像)

        3:另外需要一个待检测的图像-源图像S

        4:工作方法,在带检测图像上,从左到右,从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大。


        匹配算法介绍

        OpenCV中提供了六种常见的匹配算法如下:

        1:计算平方不同

        pic2.png

        2:计算相关性

        pic3.png

        3:计算相关系数

    pic4.png

        4:计算归一化平方不同

        pic5.png

        5:计算归一化相关性

        pic6.png

        6:计算归一化相关系数

        pic7.png

pic8.png


        相关API介绍cv::matchTemplate

        matchTemplate(

        InputArray image, // 源图像,必须是8-bit或者32-bit浮点数图像

        InputArray templ, // 模板图像,类型与输入图像一致

        OutputArray result, // 输出结果,必须是单通道32位浮点数,

//假设源图像WxH,模板图像wxh,则结果必须为W-w+1, H-h+1的大小。

        int method,             //使用的匹配方法

        InputArray mask=noArray()//(optional)

        )

pic9.png

        代码实例

#
#
#include <opencv2/opencv.hpp>
#include <iostream>

#include <math.h>
using namespace std;
using namespace cv;

Mat src, temp, dst;
int match_method = TM_SQDIFF;
int max_track = 5;
const char* INPUT_T    =  "input image";
const char* OUTPUT_T   =  "result image";
const char* match_t    =  "template match-demo";
void Match_Demo(int, void*);
int main(int argc, char** argv) {
	// 待检测图像
        src = imread("D:/linuxkiss/images/leo.png");
	// 模板图像
        temp = imread("D:/linuxkiss/images/max.png");
	if (src.empty() || temp.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_T, CV_WINDOW_NORMAL);
	namedWindow(match_t, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_T, temp);
	const char* trackbar_title = "Match Algo Type:";
	createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo);
	Match_Demo(0, 0);

	waitKey(0);
	return 0;
}

void Match_Demo(int, void*) {
	int width = src.cols - temp.cols + 1;
	int height = src.rows - temp.rows + 1;
	Mat result(width, height, CV_32FC1);

        // api调用
	matchTemplate(src, temp, result, match_method, Mat());
        // 归一化
	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

	Point minLoc;
	Point maxLoc;
	double min, max;
	src.copyTo(dst);
	Point temLoc;
	minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());
	if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
		temLoc = minLoc;
	} else {
		temLoc = maxLoc;
	}

	// 绘制矩形
	rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
	rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
	
	imshow(OUTPUT_T, result);
	imshow(match_t, dst);
}





上一篇 下一篇