模板匹配是在一幅图像中寻找到与给定目标模板图像的技术。在匹配过程中有两个主要因素:原图像I,模板图像T。为了在I上检测到与T最匹配的区域,需要在I上滑动模板窗口,每次需要将T在I上滑动一个像素大小(从左至右,从上至下),每次移动后,计算出其相似度来表征匹配结果的好与坏。依次将每个位置的匹配结果存储在R矩阵中,该矩阵的每一个点的亮度表示与模板T的匹配程度(越亮,匹配程度越高)。通过 minMaxLoc 函数可以找到R矩阵中的最大(小)值。
匹配方法:
a)method=CV_TM_SQDIFF
b)method=CV_TM_SQDIFF_NORMED
c)method=CV_TM_CCORR
d)method=CV_TM_CCORR_NORMED
e)method=CV_TM_CCOEFF
f)method=CV_TM_CCOEFF_NOR
以下是实现图像匹配的例程,其中定义了一个函数match实现匹配的具体过程:
// Templatematch.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
void match(Mat img,Mat tem);
int main( int argc, char** argv )
{
Mat img;
Mat tem;
img = imread("xiaobei.jpg" ); //读取原图像"xiaobei.jpg"
if( img.empty() ) { //判断是否读取成功
cerr << "Cannot load file " << "xiaobei.jpg" << endl;
return -1;
}
tem = imread("mask.jpg"); //读取模板图像"mask.jpg"
if( tem.empty()) {
cerr << "Cannot load file " <<"mask.jpg" << endl;
return -1;
}
match( img, tem);
imshow( "result", img );
imshow( "template", tem ); //显示结果
/* wait until user press a key to exit */
cvWaitKey( 0 );
return 0;
}
void match(Mat img,Mat tem)
{
Mat res;
Mat mask;
Point minloc, maxloc;
double minval, maxval;
int res_cols = img.cols - tem.cols + 1;
int res_rows = img.rows - tem.rows + 1;
res = cvCreateImage( cvSize(res_cols,res_rows), IPL_DEPTH_32F, 1 );
matchTemplate( img, tem, res,CV_TM_SQDIFF_NORMED ); //归一化平方差匹配法
minMaxLoc( res, &minval, &maxval, &minloc, &maxloc,mask);
rectangle( img, cvPoint( minloc.x, minloc.y ), cvPoint( minloc.x + tem.cols, minloc.y + tem.rows ),
cvScalar( 255, 255, 255, 0 ), 1, 0, 0 );
}
演示效果:
模板:
结果:
这里主要对以下两点进行分析:
1)
int res_cols = img.cols - tem.cols + 1;
int res_rows = img.rows - tem.rows + 1;
结果矩阵R的计算,我是这样理解的:文章开篇提到模板图像每次在原图像上移动一个像素,并将计算出来的相似度存储在R中,那么在整个图像上每行横向移动只需移动img.rows-tem.rows个长度,因此每行共计算出img.rows-tem.rows+1个结果。同理,每列共计算出img.cols-tem.cols+1个结果。
2)两个函数:
未完待续~~~~~~~~~