opencv#27模板匹配

图像模板匹配原理

     例如给定一张图片，如上图大矩阵所示，然后给定一张模板图像，如上图小矩阵。

     我们在大图像中去搜索与小图像中相同的部分或者是最为相似的内容。比如我们在图像中以灰色区域给出一个与模板图像尺寸大小一致的区域，通过比较灰色区域中的内容与模板中的内容，两者如果一致，那么则认定两者是相似的，从而实现了在目标图像中寻找模板图像的匹配过程，若两者不一致，比如上图阴影区域中第一个像素值为3，而模板中第一个像素值为4，那么两者之间存在差距,通过每一个对应像素之间进行一次度量计算作为模板匹配中的匹配系数(度量矩阵)，之后移动图像中的阴影区域（一次移动一个像素，从左往右，从上往下)，再次对阴影区域所对应的像素值与模板中的像素进行度量计算得到模板匹配系数，每移动一次阴影区域就可以得到一个模板匹配系数，之后寻找这个系数所代表的匹配的最佳结果的位置即为最终的匹配结果(相似程度最高)。

    如上图所示用TM_CCORR_NORMED方法处理后的result为度量矩阵(即匹配系数),最白的位置代表最高的匹配系数，以系数最佳(最大或者最小，看你用什么算法)为顶点（即图像的左上角点，opencv中图像坐标原点为左上角点，y向下值越大，x向右值越大），做一个长宽和模板图像一样大小的矩形框，即为最佳匹配的区域。

实际中我们可以使用函数minMaxLoc来定位矩阵R中的最大值（最小值）。

图像模板匹配函数

matchTenplate()

vodi cv::matchTemplate(InputArray  image,
                       InputArray  templ,
                       OutputArray result,
                       int         method,
                       InputArray  mask = noArray()
                      )

·image:待模板匹配的原图像，图像数据类型为CV_8U和CV_32F两者之一。

·templ:模板图像，需要与image具有相同的数据类型，但是尺寸不能大于image。

·result:模板匹配结果输出图像，图像数据类型为CV_32F。如果image的尺寸为W*H，模板图像尺寸为w*h,则输出图像的尺寸为(W-w+1) * (H-h+1)。

·method：模板匹配方法标志。

·mask:匹配模板的掩码，必须与模板图像具有相同的数据类型和尺寸，默认情况下不设置，目前仅支持在TM_SQDIFF和TM_CCORR_NORMED这两种匹配方法时使用。

图像模板匹配方法标志

·平方差匹配TM_SQDIFF:

最好匹配为0，匹配程度越低，值越大。

·标准平方差匹配TM_SQDIFF_NORMED:

·相关匹配TM_CCORR:

此类方法采用模板与图像间的乘法操作，所以较大的数表示匹配程度高，0表示最差的匹配效果。

·标准相关匹配TM_CCORR_NORMED:

·系数匹配TM_CCOEFF:

此类方法将模板对其均值的相对值与图像对其均值的相对值进行匹配，1表示完美匹配，-1表示糟糕匹配，0表示没有任何相关性(随机序列)。

·标准系数匹配:TM_CCOEFF_NORMED:

随着从简单的测量(平方差)到更复杂的测量(相关系数)，我们可获得越来越准确的匹配(也意味着越来越大的计算代价),最好的办法是对所有这些设置多做一些测试实验，以便为自己的应用选择同时兼顾速度和精度的最佳方案。

示例:

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

using namespace cv; //opencv的命名空间
using namespace std;

//主函数
int main()
{
	Mat img = imread("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/lenac.png");
	Mat temp = imread("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/lena_face.png");//模板图像
	
	Mat result; //匹配结果

	matchTemplate(img, temp, result, TM_CCOEFF_NORMED);//模板匹配函数

	double maxval, minval;
	Point maxLoc, minLoc;
	minMaxLoc(result, &minval, &maxval, &minLoc, &maxLoc);//最大值最小值寻找函数

	//然后我们在图像中找到最大值的位置，绘制出匹配成功的区域，就能够在图像中看到最佳匹配的结果

	rectangle(img, Point(maxLoc.x, maxLoc.y), Point(maxLoc.x + temp.cols, maxLoc.y + temp.rows), Scalar(0, 0, 255), 2);//矩形框绘制
circle(img, Point(maxLoc.x, maxLoc.y), 1, Scalar(255, 0, 120), 30); //最大值点的位置

	imshow("原图像", img);
	imshow("模板图像", temp);
	imshow("result", result);


	


	waitKey(0);//等待函数用于显示图像
	return 0;

}