（25)模板匹配

/*
*模板匹配(Template Match)
        模板也是一幅图像，是一个小的子图象，要在大的图片里找到与小图片完全相同或者相似的图片，这个过程就叫做匹配，匹配的
        过程就叫做模板匹配
        1：模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。
        2：所以模板匹配首先需要一个模板图像T（给定的子图像）
        3：另外需要一个待检测的图像-源图像S，有的论文里面叫做目标图像，就是到什么目标图像上去寻找模板上面的东西
        4：工作方法，在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。
        说白了，模板的图像是一个数据，跟它下面重叠的图像区域也是一个数据，我们要寻找这两个数据的相似性和相似度
*匹配算法介绍
        OpenCV中提供了六种常见的匹配算法如下：
        1:计算平方不同 最小越匹配
        2:计算相关性 越相关值越大
        3:计算相关系数 越相关值越大 以上三种方法得到的还不是归一的，还要把它变到0-1这个大小空间，所以还有它们归一化的方法，因为0-1，所以归一化的方法很容易给定阈值
        4:计算归一化平方不同
        5:计算归一化相关性
        6:计算归一化相关系数
*相关API介绍cv::matchTemplate
        matchTemplate(
            InputArray image, // 源图像，必须是8-bit或者32-bit浮点数图像
            InputArray templ, // 模板图像，类型与输入图像一致
            OutputArray result, // 输出结果，必须是单通道32位浮点数，
            //假设源图像WxH,模板图像wxh,则结果必须为W-w+1, H-h+1的大小。
            int method,             //使用的匹配方法
            InputArray mask=noArray()//(optional)
        )
*/

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat src, temp, dst;
int match_method = TM_SQDIFF;
int max_track = 5;

void Match_Demo(int, void*);

int main(int argc, char** argv)
{
    src = imread("D:/A_Graduation/Learning/opencv/learningOpencv/Histogram_Comparison_Source_0.jpg");  // 待检测图像
    temp = imread("D:/A_Graduation/Learning/opencv/learningOpencv/0.jpg"); // 模板图像
    imshow("input", temp);

    const char* trackbar_title = "Match Algo Type:";
    createTrackbar(trackbar_title, "output", &match_method, max_track, Match_Demo);
    Match_Demo(0, 0);

    waitKey(0);
    return 0;
}

void Match_Demo(int, void*)
{
    int width = src.cols - temp.cols + 1;
    int height = src.rows - temp.rows + 1;
    Mat result(width, height, CV_32FC1); //输出结果必须32位浮点数单通道，宽跟长也有一定要求

    matchTemplate(src, temp, result, match_method, Mat());

    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());    // 归一化

    //把模板匹配位置的最大值和最小值给找出来，找出它的位置
    Point minLoc; //最小值的位置
    Point maxLoc; //最大值的位置
    double min, max; //最小最大值， 就在result图片上找
    minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat()); //这个API就是找出图像的最大值最小值那几个值

    Point temLoc; //最后找到的那个location
    /*1:计算平方不同 最小越匹配
    2:计算相关性 越相关值越大
    3:计算相关系数 越相关值越大
    */
    //区分一下，如果用的是平方不同的方法，它应该取最小值，其他的话应该取最大值，才能把最大最小值给做出来
    if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
        temLoc = minLoc;
    }
    else
    {
        temLoc = maxLoc;
    }

    src.copyTo(dst);     //左上角坐标         宽和高就是那张图像
    rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);  //把位置绘制出来其实就是，绘制矩形，在dst上面绘制
    rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8); //在模板匹配结果result上面绘制矩形，它被我们搞到0-1了

    imshow("output", result);
    imshow("src", dst);
}