OpenCV学习之旅7——直方图与匹配（3）

1. 模板匹配

模板匹配是一个在一幅图像中寻找另一幅模板图像最匹配部分的技术。注意，模板匹配不是基于直方图的，而是通过在输入图像上滑动图像块（类似于卷积的过程），对实际图像块和输入图像块进行匹配的一种匹配方法。

1.1 matchTemplate()函数

void matchTemplate( InputArray image, InputArray templ, OutputArray result, int method );

第一个参数：待搜索的图像，需为八位或三十二位的浮点图像；
第二个参数：搜索模板，与第一个参数数据类型一样；
第三个参数：比较结果的映射图像，其必须为单通道三十二位浮点图。若原图尺寸为W×H，模板尺寸为w×h，则result尺寸为（W-w+1）×（H-h+1）；
第四个参数：指定的匹配方法，共有六种方法。（归一化）平方差匹配法、（归一化）相关匹配法、（归一化）系数匹配法。

1.2 程序实例

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

//-----------------------------------【宏定义部分】-------------------------------------------- 
//  描述：定义一些辅助宏 
//------------------------------------------------------------------------------------------------ 
#define WINDOW_NAME1 "【原始图片】"        //为窗口标题定义的宏 
#define WINDOW_NAME2 "【匹配窗口】"        //为窗口标题定义的宏 

//-----------------------------------【全局变量声明部分】------------------------------------
//          描述：全局变量的声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage; Mat g_templateImage; Mat g_resultImage;
int g_nMatchMethod;
int g_nMaxTrackbarNum = 5;

//-----------------------------------【全局函数声明部分】--------------------------------------
//          描述：全局函数的声明
//-----------------------------------------------------------------------------------------------
void on_Matching( int, void* );

//-----------------------------------【main( )函数】--------------------------------------------
//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main(  )
{
    //【0】改变console字体颜色
    system("color 1F"); 

    //【1】载入原图像和模板块
    g_srcImage = imread( "1.jpg", 1 );
    g_templateImage = imread( "2.jpg", 1 );

    //【2】创建窗口
    namedWindow( WINDOW_NAME1, CV_WINDOW_AUTOSIZE );
    namedWindow( WINDOW_NAME2, CV_WINDOW_AUTOSIZE );

    //【3】创建滑动条并进行一次初始化
    createTrackbar( "方法", WINDOW_NAME1, &g_nMatchMethod, g_nMaxTrackbarNum, on_Matching );
    on_Matching( 0, 0 );

    waitKey(0);
    return 0;

}

//-----------------------------------【on_Matching( )函数】--------------------------------
//          描述：回调函数
//-------------------------------------------------------------------------------------------
void on_Matching( int, void* )
{
    //【1】给局部变量初始化
    Mat srcImage;
    g_srcImage.copyTo( srcImage );

    //【2】初始化用于结果输出的矩阵
    int resultImage_cols =  g_srcImage.cols - g_templateImage.cols + 1;
    int resultImage_rows = g_srcImage.rows - g_templateImage.rows + 1;
    g_resultImage.create( resultImage_cols, resultImage_rows, CV_32FC1 );

    //【3】进行匹配和标准化
    matchTemplate( g_srcImage, g_templateImage, g_resultImage, g_nMatchMethod );
    normalize( g_resultImage, g_resultImage, 0, 1, NORM_MINMAX, -1, Mat() );

    //【4】通过函数 minMaxLoc 定位最匹配的位置
    double minValue; double maxValue; Point minLocation; Point maxLocation;
    Point matchLocation;
    minMaxLoc( g_resultImage, &minValue, &maxValue, &minLocation, &maxLocation, Mat() );

    //【5】对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值有着更高的匹配结果. 而其余的方法, 数值越大匹配效果越好
    if( g_nMatchMethod  == CV_TM_SQDIFF || g_nMatchMethod == CV_TM_SQDIFF_NORMED )
    { matchLocation = minLocation; }
    else
    { matchLocation = maxLocation; }

    //【6】绘制出矩形，并显示最终结果
    rectangle( srcImage, matchLocation, Point( matchLocation.x + g_templateImage.cols , matchLocation.y + g_templateImage.rows ), Scalar(0,0,255), 2, 8, 0 );
    rectangle( g_resultImage, matchLocation, Point( matchLocation.x + g_templateImage.cols , matchLocation.y + g_templateImage.rows ), Scalar(0,0,255), 2, 8, 0 );

    imshow( WINDOW_NAME1, srcImage );
    imshow( WINDOW_NAME2, g_resultImage );
}