模板匹配算法

一、介绍

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。这里说的模板是我们已知的小图像，模板匹配就是在一副大图像中搜寻目标。模板就是我们已知的在图中要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。

模板匹配的适用场景：
1、图像检索
2、目标跟踪

二、模板匹配的原理

用通俗的语言来解释模板的匹配原理：

在要检测的图像上，从左到右，从上到下遍历这一幅图像，从上到下计算模板与重叠子图像的像素匹配度，如果匹配的程度越大，这说明相同的可能性越大。

实现过程：

①：准备两幅图像:

1. 图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域
2. 模板 (T): 将和原图像比照的图像块

②：为了确定匹配区域, 我们滑动模板图像和原图像进行比较

③：使用模板遍历图像

通过滑动, 从左往右,从上往下. 在每一个位置, 都进行一次度量计算来表明模板和原图像的特定区域的相似性。

对于 T 覆盖在 I 上的每个位置,你把度量值保存到结果图像矩阵(R) 中. 在R中的每个位置 (x,y) 都包含匹配度量值:

上图是使用标准相关匹配方法处理后的结果图像 R . 最白的位置代表最高的匹配. 红色椭圆框住的位置很可能是结果图像矩阵中的最大数值, 所以这个区域被认为是匹配的.

三、opencv代码

我们调用OpenCV中的函数 matchTemplate 实现了模板匹配算法：

①：平方差匹配 method=CV_TM_SQDIFF

这类方法利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大.

②：标准平方差匹配 method=CV_TM_SQDIFF_NORMED

③：相关匹配 method=CV_TM_CCORR

这类方法采用模板和图像间的乘法操作,所以较大的数表示匹配程度较高,0标识最坏的匹配效果.

④：标准相关匹配 method=CV_TM_CCORR_NORMED

⑤：相关匹配 method=CV_TM_CCOEFF

这类方法将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示匹配很差,0表示没有任何相关性(随机序列).

在这里

⑥：标准相关匹配 method=CV_TM_CCOEFF_NORMED

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace std;
using namespace cv;

void main()
{
//步骤一：读取图片
    cv::Mat img1 = cv::imread("C:\\Users\\Administrator\\Desktop\\temp.png");
    cv::Mat img2 = cv::imread("C:\\Users\\Administrator\\Desktop\\temp1.png");
    cv::imshow("【被查找的图像】", img1);
    cv::imshow("【模版图像】", img2);

//步骤二：创建一个空画布用来绘制匹配结果
    cv::Mat dstImg;
    dstImg.create(img1.dims,img1.size,img1.type());
    cv::imshow("createImg",dstImg);

//步骤三：匹配，最后一个参数为匹配方式，共有6种，详细请查阅函数介绍
    cv::matchTemplate(img1, img2, dstImg, 0);

//步骤四：归一化图像矩阵，可省略
    cv::normalize(dstImg, dstImg, 0, 1, 32);

//步骤五：获取最大或最小匹配系数
//首先是从得到的 输出矩阵中得到 最大或最小值（平方差匹配方式是越小越好，所以在这种方式下，找到最小位置）
//找矩阵的最小位置的函数是 minMaxLoc函数
    cv::Point minPoint;
    cv::Point maxPoint;
    double *minVal = 0;
    double *maxVal = 0;
    cv::minMaxLoc(dstImg, minVal, maxVal, &minPoint,&maxPoint);

//步骤六：开始正式绘制
    cv::rectangle(img1, minPoint, cv::Point(minPoint.x + img2.cols, minPoint.y + img2.rows), cv::Scalar(0,255,0), 2, 8);
    cv::imshow("【匹配后的图像】", img1);
    cv::rectangle(dstImg, minPoint, cv::Point(minPoint.x + img2.cols, minPoint.y + img2.rows), cv::Scalar(0,0,0), 3, 8);
    cv::imshow("【匹配后的计算过程图像】", dstImg);
    cv::waitKey(0);

参考

安全验证 - 知乎

图像比较之模板匹配_大熊背的博客-CSDN博客

模板匹配算法初识_断字模板匹配方法_苏源流的博客-CSDN博客