模板匹配——GeoMatch 源码解析

网址：https://www.codeproject.com/Articles/99457/Edge-Based-Template-Matching
其算法思路与流程，在网址下方也有说明。以下为个人配合其说明与源码的一些理解。

可以下载到，src和demo两个文件包。
其中demo是需要opencv2.0的库才可以运行。

打开GeoMatch_src工程，工程版本实在太老了。只能强制升级到高版本的工程文件。
此时工程属性也是缺失环境的。在解决方案管理器中右键属性-》清除掉依赖的opencv库，然后替换上自己的opencv环境（注：必须是2.xx 版本的）
我这里用的是64位的2.4.10

然后编译。正常通过了。
运行：

在这个位置把我抛出来了，看了下demo中的readme。
发现是通过外部传入字符串组调用的。
打开demo中的run,bat中可以找到具体调用的指令


其中最前面的 GeoMatch 是指运行“GeoMatch.exe”所以跳过。

为了方便测试在void WrongUsage();下插入以下代码

	char*ppChar[12];
	char*Param = "-t template.jpg -l 10 -h 100 -s search1.jpg -m 0.7 -g 0.9";
	for (int i = 0; i < 12; i++)
	{
		ppChar[i] = new char[512];//测试用，懒得删
		memset(ppChar[i], 0, 512);
		int idx = 0;
		while (*Param!=' ')
		{
			ppChar[i][idx++] = *Param++;
		}
		Param++;
	}

	CommandParser cp(12,ppChar); // object to parse command line

现在代码就可以正常跑了。

 

创建模板过程：

     1.使用Sobel 获取8bit原图的x y 向一阶导(灰度变化速率) 并存储到16bit的图中。（此处为什么是16bit?）

    2.获得每个点位置的梯度大小和方向的矩阵 （注：gx，gy 分别为某点上 的横向，纵向一阶导的值）
           大小：Magnitude = Sqrt(gx^2 +gy^2)
           方向：Direction = invtan (gy / gx) 再把方向规范化到 0,45,90,135 四个方向(此处的方向仅用作非极大值抑制)

   3.对整图做非极大值抑制

          详细:通过矢量方向，判断该矢量方向上的前后值是小于当前值。

          eg: 方向为 45° 那么将会检查该像素 右上 左下 两个位置的值。如果当前值均大于该两个值，则保留。

4、滞后阈值处理
        详细：

                           阈值《minContrast                                        移除该点

                            maxContrast》阈值》minContrast            其八邻域内无  任何点 大于 maxContrast  则移除该点。

                            阈值》maxContrast                                     直接保留该点

  5.以数组的方式 记录成功保留的矢量数据 （x,y, gx,gy, 根号（ 1/Magnitude） ）(为什么使用根号，看匹配得分定义)

 

6.规范化中心，其中 中心位置为所有矢量x,y的均值。

由此，创建模板结束。

 

匹配部分
1.求目标图片x,y向一阶导（同创建）

2.求得梯度大小图片，matGradMag为存储梯度数据的图像.
（其大小，计数为 根号（1/(dx^2+dy^2)）
 ）

3.滑窗匹配

得分：累计每个特征矢量对应位置的（Temp_gx*Img_gx ）+（Temp_gy*Img_gy）*

（  1/(Temp_gx^2+Temp_gy^2)  *  1/(Img_gx^2+Img_gy^2) ）

其核心参考为，对应点位，dx，dy方向的综合梯度，是否与模板相近。

 

其中有个得分不足 判定，能够提早结束特征点遍历。

退出条件为：当前总得分《 min（贪心后得分和，理论最低得分和）

其中此处贪心值设置不合理。完全没用。

注意滑窗位置,以模板中心，从（0，0）开始滑，意味着窗口是超出目标图像区域的。

总结：
亮点1.使用了贪心值和不足分方式提前判定失败结果。
亮点2.匹配滑窗位置是以中心为基点匹配全图（得分图与原图大小一致）

问题1.太慢了！！！！！
问题2.x y向的梯度混淆了，使得匹配得分会整体偏高
问题3.未使用任何矢量，无法区分黑白。