OpenCV学习笔记（5）——模板匹配

    模板匹配就是在一幅图像中寻找和模板图像（patch）最相似的区域。在OpenCV中的函数为matchTemplate，该函数的功能是，在输入源图像Source image（I）中滑动框，寻找各个位置与模板图像Template image（T）的相似度，并将结果保存在结果矩阵result matrix（R）中。该矩阵的每一个点的亮度表示与模板T的匹配程度。然后可以通过函数minMaxLoc定位矩阵R中的最大值（该函数也可以确定最小值）。

先讲下上面提到的两个函数

1、函数matchTemplate()

作用：比较模板图像和源图像重叠区域的匹配

 C++: void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method)

C: void cvMatchTemplate(const CvArr* image, const CvArr* templ, CvArr* result, int method)

Parameters:	image – Image where the search is running. It must be 8-bit or 32-bit floating-point. templ – Searched template. It must be not greater than the source image and have the same data type. result – Map of comparison results. It must be single-channel 32-bit floating-point. Ifimage is andtempl is , thenresult is . method – Parameter specifying the comparison method (see below).

匹配方法选择（Method）

CV_TM_SQDIFF 平方差匹配法，最好的匹配为0，值越大匹配越差

CV_TM_SQDIFF_NORMED 归一化平方差匹配法

CV_TM_CCORR 相关匹配法，采用乘法操作，数值越大表明匹配越好

CV_TM_CCORR_NORMED 归一化相关匹配法

CV_TM_CCOEFF 相关系数匹配法，最好的匹配为1，-1表示最差的匹配

CV_TM_CCOEFF_NORMED 归一化相关系数匹配法

前面两种方法为越小的值表示越匹配，后四种方法值越大越匹配。

2、函数 minMaxLoc（）

作用：找到矩阵中全局最大值和最小值

C++: void minMaxLoc(InputArraysrc, double* minVal, double* maxVal=0, Point*minLoc=0, Point* maxLoc=0, InputArray mask=noArray())

C: void cvMinMaxLoc(const CvArr*arr, double* min_val, double* max_val, CvPoint*min_loc=NULL, CvPoint* max_loc=NULL, const CvArr*mask=NULL )

Parameters:

src – input single-channel array. minVal – pointer to the returned minimum value; NULL is used if not required. maxVal – pointer to the returned maximum value; NULL is used if not required. minLoc – pointer to the returned minimum location (in 2D case);NULL is used if not required. maxLoc – pointer to the returned maximum location (in 2D case);NULL is used if not required. mask – optional mask used to select a sub-array.

直接贴代码，网上一搜挺多的，参考了下其他的，这里主要用的是Mat格式：

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

using namespace std;
using namespace cv;

int main( int argc, char** argv ) 
{ 
	Mat img; 
	Mat tpl; 
	Mat res; 
	Mat mask;
	Point        minloc, maxloc; 
	double        minval, maxval; 
	int            img_width, img_height; 
	int            tpl_width, tpl_height; 
	int            res_width, res_height; 

	//加载
	img = imread( "car.jpg"); 
	tpl = imread( "car_cut.jpg" ); 

	//得到图像的属性
	img_width  = img.cols; 
	img_height = img.rows; 
	tpl_width  = tpl.cols; 
	tpl_height = tpl.rows; 
	res_width  = img_width - tpl_width + 1; //参数列表里有说明，也就是比模板大一个像素
	res_height = img_height - tpl_height + 1; 

	//为模板匹配计算创建一个新图像
	res = cvCreateImage( cvSize( res_width, res_height ), IPL_DEPTH_32F, 1 ); 

	//选择模板和匹配方法
	matchTemplate( img, tpl, res, CV_TM_SQDIFF );  //平方差匹配法
	minMaxLoc( res, &minval, &maxval, &minloc, &maxloc,mask); 

	// 画出黑色的正方形框
	rectangle( img,  
		cvPoint( minloc.x, minloc.y ),  
		cvPoint( minloc.x + tpl_width, minloc.y + tpl_height ), 
		cvScalar( 0, 0, 0, 0 ), 1, 0, 0 );     

	//显示
	namedWindow("reference",1);
	namedWindow("template",1);

	imshow( "reference", img ); 
	waitKey(30);
	imshow( "template", tpl ); 
	waitKey(30);

	system("pause");
	return 0; 
} 

    模板匹配的方法和直方图反向投影基本一样，都是滑动图像模板和输入图像进行匹配。但模板匹配对比的是像素，所以速度上要快些，直方图反向投影对比的是直方图，鲁棒性更好。