在进行模板匹配时,直接调用opencv的函数时,要求模板和原图像中的目标的尺寸要相同,否则,就不能得到令人满意的结果,不具有尺度不变性。在此利用opencv中的尺度变换函数的模板匹配函数,提出一种具有尺度不变的模板匹配方法。
下面假设模板比原图像中的目标的尺寸大。
因为模板的尺寸较大,不断减小模板的尺寸,并且每减小一次,进行一次模板匹配,当减小到设定的值之后,对每次模板匹配得到的结果进行比较:采用CV_TM_SQDIFF方法,将得到的结果矩阵中的最小值除以每一次进行匹配的模板的大小,即每一个像素值对应的差的平方的均值,最小值对应的尺寸就是最终匹配结果的尺寸,该尺寸下匹配得到原图像中模板的位置就是最终的匹配结果。
上程序:
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
int app(vector<double> minV);
int main( )
{
Mat img = imread("图片1.jpg"); //原图像
Mat temp = imread("图片2.jpg"); //模板
Mat result;
vector<double> minV;
vector<Point> minL;
vector<Mat> down_temp;
down_temp.push_back(temp);
for (int i=0;i<4;i++)
{
Mat temp1;
cout<<down_temp[i].cols<<endl;
cout<<down_temp[i].rows<<endl;
int result_cols = img.cols - down_temp[i].cols + 1;
int result_rows = img.rows - down_temp[i].rows + 1;
result.create( result_cols, result_rows, CV_32FC1 );
matchTemplate( img, down_temp[i], result, CV_TM_SQDIFF );
double minVal;
double maxVal;
Point minLoc;
Point maxLoc;
Point matchLoc;
minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc);
minVal=minVal/(down_temp[i].cols*down_temp[i].rows);
cout<<minVal<<endl;
minV.push_back(minVal);
minL.push_back(minLoc);
resize( down_temp[i], temp1, Size( down_temp[i].cols/1.3, down_temp[i].rows/1.3) );
down_temp.push_back(temp1);
}
int location;
location = app(minV);
rectangle( img, minL[location], Point( minL[location].x + down_temp[location].cols , minL[location].y + down_temp[location].rows ), Scalar::all(0), 2, 8, 0 );
imshow("结果",img);
waitKey();
return 0;
}
int app(vector<double> minV)
{
int t=0;
for (int i = 1; i < minV.size();i++)
{
if (minV[i] < minV[t]) t = i;
}
return t;
}
原图像和模板为:
结果图像