27.模板匹配(template match)

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

cv::Mat src, temp, dst;
int match_method = cv::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){
    // 待检测图片
    src = cv::imread("../../source/dog.png");
    // 模板
    temp = cv::imread("../../source/dog_tmp.png");
    if(src.empty() || temp.empty()){
        std::cout << "could not load image..." << std::endl;
        return -1;
    }
    cv::namedWindow(INPUT_T, cv::WINDOW_AUTOSIZE);
    cv::namedWindow(OUTPUT_T, cv::WINDOW_AUTOSIZE);
    cv::namedWindow(match_t, cv::WINDOW_AUTOSIZE);

    cv::imshow(INPUT_T, temp);

    const char* trackbar_title = "Match Algo Type";
    cv::createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo);
    Match_Demo(0, 0);
    cv::waitKey(0);
}

void Match_Demo(int, void*){
    int width = src.cols - temp.cols + 1;
    int height = src.rows - temp.rows + 1;
    cv::Mat result(width, height, CV_32FC1);
    cv::matchTemplate(src, temp, result, match_method, cv::Mat());
    cv::normalize(result, result, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());

    cv::Point minLoc;
    cv::Point maxLoc;
    double min, max;
    src.copyTo(dst);
    cv::Point temLoc;
    cv::minMaxLoc(result, &min, &max, &minLoc, &maxLoc, cv::Mat());
    if(match_method == cv::TM_SQDIFF || match_method == cv::TM_SQDIFF_NORMED){
        temLoc = minLoc;
    }
    else{
        temLoc = maxLoc;
    }
    cv::rectangle(dst, cv::Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), cv::Scalar(0, 0, 255), 2);
    cv::rectangle(result, cv::Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), cv::Scalar(0, 0, 255), 2);
    imshow(OUTPUT_T, result);
    imshow(match_t, dst);
}

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV 模板匹配是一种基于模板图像和待匹配图像进行匹配的技术。该技术主要用于在待匹配图像中查找与模板图像相似的区域位置。OpenCV 提供了多种模板匹配算法,包括平方差匹配、归一化平方差匹配、相关性匹配和归一化相关性匹配等。 模板匹配的基本流程如下: 1. 加载待匹配图像和模板图像 2. 对模板图像进行预处理,如灰度化、二值化等操作 3. 使用模板图像在待匹配图像中进行滑动窗口搜索,计算匹配度 4. 根据匹配度确定匹配位置 5. 绘制匹配结果或输出匹配位置信息 以下是一个基于归一化平方差匹配的模板匹配示例代码: ```python import cv2 import numpy as np # 加载待匹配图像和模板图像 img = cv2.imread('test.jpg') template = cv2.imread('template.jpg') # 对模板图像进行灰度化和二值化处理 template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY) _, template_thresh = cv2.threshold(template_gray, 0, 255, cv2.THRESH_BINARY) # 获取模板图像大小 h, w = template_thresh.shape[:2] # 使用归一化平方差匹配算法进行模板匹配 res = cv2.matchTemplate(img, template_thresh, cv2.TM_SQDIFF_NORMED) # 获取匹配位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) top_left = min_loc bottom_right = (top_left[0] + w, top_left[1] + h) # 绘制匹配结果 cv2.rectangle(img, top_left, bottom_right, (0, 0, 255), 2) # 显示匹配结果 cv2.imshow('Match result', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先加载了待匹配图像和模板图像,并对模板图像进行了灰度化和二值化处理。然后使用 `cv2.matchTemplate()` 函数进行模板匹配,并获取匹配位置。最后使用 `cv2.rectangle()` 函数绘制匹配结果,并展示出来。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值