【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】

模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。利用给定的已知模板与待匹配的图像或数组计算匹配度,以达到寻找目标的目的。模板可以是矩形块也可以是一维数组,如果模板是一个矩阵,一般待匹配的数据也矩阵,如果模板是一个一维数据,那么待匹配的数据也最好是一维数据。模板匹配在图像处理中应用较为广泛,如通过设置匹配度的阈值用在异常检测中,通过阈值设定寻找给定的目标等等。


前言

越来越多的开发人员选择基于开源的Qt框架与OpenCV来实现界面和算法,其原因不单单是无版权问题,更多是两个社区的发展蓬勃,可用来学习的资料与例程特别丰富。以下是关于利用Qt构建GUI并使用OpenCV中的matchTemplate/minMaxLoc函数进行图像的模板匹配。
软件版本:Qt-5.12.0/OpenCV-4.5.3
平台:Windows10/11–64


一、函数介绍

1、matchTemplate

函数原型
cv::matchTemplate(InputArray image, InputArray templ, OutputArray result, int method );

参数解释
image:是输入图像,一般是Mat类数组;
templ:是模板数据,一般也是Mat类数组,长宽必须小于输入图像image的长宽;
result:是输出结果,大小为(w1-w2+1,h1-h2+1),其中w1为输入图像image的宽,w2为模板的宽,h1为输入图像image的高,h2为模板的高;
method:是模板匹配的匹配计算方式,可设置的参数有:

TM_SQDIFF:平均差匹配法
TM_SQDIFF_NORMED:归一化平均差匹配法
TM_CCORR:相关匹配法
TM_CCORR_NORMED:归一化相关匹配法
TM_CCOEFF:系数匹配法
TM_CCOEFF_NORMED:归一化系数匹配法

2、minMaxLoc

函数原型
cv::minMaxLoc(const SparseMat& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0);

参数解释
src:输入单通道数组(图像);
minVal:返回最小值的指针,若无须返回,此值置为NULL;
maxVal:返回最大值的指针,若无须返回,此值置为NULL;
minLoc:返回最小位置的指针(二维情况下),若无须返回,此值置为NULL;
maxLoc:返回最大位置的指针(二维情况下),若无须返回,此值置为NULL;
mask:用于选择子阵列的可选掩膜;

二、演示

1、GUI

在这里插入图片描述
如上图创建Method的QComboBox控件进行选择,Template的PushButton按钮选择掩膜,Match的PushButton按钮执行,对当前窗口的图像进行模板检测,并输出状态信息。

2、代码实现

matchBtn的clicked()槽函数的实现代码如下:

void MainWindow::on_matchBtn_clicked()
{
    std::size_t numView = ui->tabWidget->currentIndex() % 3;
    if (dispMat[numView]->empty())
    {
        outputInfo(2, tr("Please make sure the Mat exist!"));
        return;
    }

    QString fileName = ui->templateLineEdit->text();
    cv::Mat templateMat;

    if (!fileName.isEmpty())
    {
        templateMat = cv::imread(fileName.toStdString());
        if (templateMat.empty())
        {
            outputInfo(2, tr("Please make sure the template exist."));
            return;
        }
        else
        {
            outputInfo(1, tr("Template Mat success."));
        }
    }
    else
    {
        outputInfo(2, tr("Please make sure the template file name exist."));
        return;
    }

    *tmpMat = dispMat[numView]->clone();
    int matchMethod = ui->matchCombo->currentIndex();
    int resultCols = tmpMat->cols - templateMat.cols + 1;
    int resultRows = tmpMat->rows - templateMat.rows + 1;

    cv::Mat resultMat = cv::Mat::zeros(resultCols, \
                                       resultRows, \
                                       tmpMat->type());
    double startTime = static_cast<double>(cv::getTickCount());
    cv::matchTemplate(*tmpMat, templateMat, resultMat, matchMethod);
    cv::normalize(resultMat, resultMat, 0, 1, cv::NORM_MINMAX, -1, \
                  cv::Mat());
    double timeCost = (static_cast<double>(cv::getTickCount()) - \
                       startTime) / cv::getTickFrequency();
    QString costTime = "Cost time: " + QString::number(timeCost);
    outputInfo(1, costTime);

    double minVal, maxVal;
    cv::Point maxLoc, minLoc, matchLoc;
    cv::minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, cv::Mat());

    /*
    if (matchMethod < 2)
    {
        matchLoc = minLoc;
    }
    else
    {
        matchLoc = maxLoc;
    }
    */

    matchLoc = (matchMethod < 2) ? minLoc : maxLoc;
    cv::rectangle(*tmpMat, matchLoc, \
                  cv::Point(matchLoc.x + templateMat.cols, \
                            matchLoc.y + templateMat.rows), \
                  cv::Scalar::all(0), 2, 8, 0);



    if (ui->matchChkBox->isChecked())
    {
        *dispMat[numView] = tmpMat->clone();
        cvtMatPixmap(dispMat, dispPixmap, numView);
    }
    else
    {
        if (tmpMat->channels() == 3)
        {
            QImage tmpImage = QImage(tmpMat->data, tmpMat->cols,tmpMat->rows, \
                         static_cast<int>(tmpMat->step), \
                         QImage::Format_RGB888);
            dispPixmap[numView]->setPixmap(QPixmap::fromImage(tmpImage.rgbSwapped()));
        }
        else
        {
            QImage tmpImage = QImage(tmpMat->data, tmpMat->cols,tmpMat->rows, \
                         static_cast<int>(tmpMat->step), \
                         QImage::Format_Grayscale8);
            dispPixmap[numView]->setPixmap(QPixmap::fromImage(tmpImage.rgbSwapped()));
        }

    }
    outputInfo(1, tr("Match done."));

    std::stringstream tmpStream;
    std::streambuf* coutBuf = std::cout.rdbuf();
    std::cout.rdbuf(tmpStream.rdbuf());
    std::cout << " matchLoc: " << matchLoc << std::endl;
    std::string matchLocString(tmpStream.str());
    std::cout.rdbuf(coutBuf);
    QString matchLocInfo = QString::fromStdString(matchLocString);

    int x = matchLoc.x;
    int y = matchLoc.y;
    ui->matchLineEdit->setText(QString::number(x) + "," \
                               + QString::number(y) + "," \
                               + QString::number(templateMat.cols + x) + "," \
                               + QString::number(templateMat.rows + y));
    outputInfo(1, matchLocInfo);
}


总结

以上是关于利用Qt进行GUI构建并使用OpenCV中的matchTemplate/minMaxLoc函数进行图像的模板匹配。
参考:
链接:前期https://blog.csdn.net/richard_yuu/article/details/128093291
其中疑问或错误,欢迎联系交流

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Qt是一个跨平台的C++应用程序开发框架,而OpenCV是一个开源的计算机视觉库。图像形状匹配是指在两幅图像中找出相似的物体或形状。 要在Qt中使用OpenCV进行图像形状匹配,我们可以首先加载和处理图像。可以使用OpenCV的函数读取图像文件,并将其转换为OpenCV的Mat格式。然后,可以对图像进行预处理,如调整大小、灰度化或二值化等。 接下来,我们可以使用OpenCV的模板匹配算法来实现图像形状匹配模板匹配算法通过在图像中滑动一个模板图像,并计算模板图像与滑动窗口重叠区域的相似度来找到最佳匹配位置。OpenCV提供了多种模板匹配算法,如平方差匹配、相关匹配和归一化互相关匹配等。 在Qt中,我们可以在界面上显示原始图像匹配结果。可以使用Qt的图像显示类,如QImage或QPixmap,将OpenCV的Mat格式图像转换为可在Qt界面上显示的格式。使用Qt的控件,如QLabel或QGraphicsView,将图像显示在界面上的特定位置。 最后,我们可以通过在Qt中实现用户交互来改进图像形状匹配的结果。例如,我们可以让用户在界面上绘制一个感兴趣的区域,并使用该区域作为模板进行匹配。还可以在匹配结果上绘制矩形或轮廓来突出显示匹配的物体或形状。 综上所述,Qt和OpenCV可以很好地结合起来实现图像形状匹配。Qt提供了界面设计和用户交互的功能,而OpenCV提供了处理图像模板匹配的功能。通过合理地使用这两个库,我们可以轻松实现图像形状匹配的应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值