模板匹配
/**
* 模板匹配函数
* opencv实现了一部分通过模板与目标图像进行寻找最佳匹配的方面matchTemplat();
* 这个方法基本思想是将模板图像在目标图像上滑动逐一对比,通过统计的基本方法进行匹配,比如方差检验,相关性检验等方法来寻找最佳匹配;
* matchTemplate(
* Mat image, --用于搜索的输入图像
* Mat templ, --用于匹配的模板,和image类型相同
* Mat result, --匹配结果图像 大小 (W-w+1)-(H-h+1)
* int method --用于比较的方法 : TM_SQDIFF:该方法使用平方差进行匹配,因此最佳的匹配结果在结果为0处,值越大匹配结果越差。
* TM_SQDIFF_NORMED:该方法使用归一化的平方差进行匹配,最佳匹配也在结果为0处。
* TM_CCORR:相关性匹配方法,该方法使用源图像与模板图像的卷积结果进行匹配,因此,最佳匹配位置在值最大处,值越小匹配结果越差。
* TM_CCORR_NORMED:归一化的相关性匹配方法,与相关性匹配方法类似,最佳匹配位置也是在值最大处。
* TM_CCOEFF:相关性系数匹配方法,该方法使用源图像与其均值的差、模板与其均值的差二者之间的相关性进行匹配,最佳匹配结果在值等于1处,最差匹配结果在值等于-1处,值等于0直接表示二者不相关。
* TM_CCOEFF_NORMED:归一化的相关性系数匹配方法,正值表示匹配的结果较好,负值则表示匹配的效果较差,也是值越大,匹配效果也好。
* )
*/
@Test
public void testMatchTemplate() {
Mat src = GeneralUtils.converMat("D:\\test\\0001.jpg");
//从原图裁剪一块区域匹配
Rect roi = new Rect(200, 100, 100, 100);
Mat tpl = new Mat(src, roi);
int h = src.rows() - tpl.rows() + 1;
int w = src.cols() - tpl.cols() + 1;
//模板匹配
Mat result = new Mat(new Size(w, h), CvType.CV_32FC1);
Imgproc.matchTemplate(src, tpl, result, Imgproc.TM_CCOEFF_NORMED);
GeneralUtils.saveByteImg(result, "D:\\test\\matchTemplate.jpg");
//画出匹配区域
for (int row = 0; row < result.rows(); row++) {
for (int col = 0; col < result.cols(); col++) {
double val = result.get(row, col)[0];
if (val > 0.90) {
Imgproc.rectangle(src, new Point(col, row),
new Point(col + tpl.cols(), row + tpl.rows() ), new Scalar(0, 0, 255), 2, 8, 0);
}
}
}
GeneralUtils.saveByteImg(src, "D:\\test\\drawTpl.jpg");
}
平均值计算
/**
* mean计算数组元素的平均值,每个通道都是独立的,并返回这个平均值。
* mean(
* Mat src, --输入图像
* Mat mask = noArray() --参数 mask 可选参数,操作掩摸,用于标记求取哪些区域的均值和标准差。
* )
*/
@Test
public void testMean() {
Mat src = GeneralUtils.converMat("D:\\test\\0001.jpg");
//转成灰度图
Mat gray = new Mat();
Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
//计算像素平均值
Scalar scalar = Core.mean(src);
System.out.println(scalar);
}
《备急千金要方》