【OpenCV3】模板匹配——cv::matchTemplate()详解

模板匹配通常被用于目标检测、相似度分析中，opencv2和opencv3中提供了一个专门用于模板匹配的函数——cv::matchTemplate()，下面就对该函数进行详细的介绍。

先从一个实际的例子入手，如下分别是一幅测试图片和一个右眼的模板图片（这里为了方便，是直接从原图上切下来的），通过模板匹配的方法找到测试图片眼睛的位置。

测试代码如下：

#include <opencv2/opencv.hpp>
 
int main()
{
    //加载源图像和模板图像
    cv::Mat image_source = cv::imread("lena.jpg", cv::IMREAD_GRAYSCALE);
    cv::Mat image_template = cv::imread("template.jpg", cv::IMREAD_GRAYSCALE);
 
    cv::Mat image_matched;
 
    //模板匹配
    cv::matchTemplate(image_source, image_template, image_matched, cv::TM_CCOEFF_NORMED);
 
    double minVal, maxVal;
    cv::Point minLoc, maxLoc;
    //寻找最佳匹配位置
    cv::minMaxLoc(image_matched, &minVal, &maxVal, &minLoc, &maxLoc);
 
    cv::Mat image_color;
    cv::cvtColor(image_source, image_color, CV_GRAY2BGR);
    cv::circle(image_color,
               cv::Point(maxLoc.x + image_template.cols/2, maxLoc.y + image_template.rows/2),
               20, 
               cv::Scalar(0, 0, 255), 
               2, 
               8, 
               0);
 
    cv::imshow("source image", image_source);
    cv::imshow("match result", image_matched);
    cv::imshow("target", image_color);
    cv::waitKey(0);
 
    return 0;
}


从测试代码中可以看出cv::matchTemplate()的具体调用方法如下：


    void cv::matchTemplate(
        cv::InputArray image, // 用于搜索的输入图像, 8U 或 32F, 大小 W-H
        cv::InputArray templ, // 用于匹配的模板，和image类型相同， 大小 w-h
        cv::OutputArray result, // 匹配结果图像, 类型 32F, 大小 (W-w+1)-(H-h+1)
        int method // 用于比较的方法
    );

该函数第一个参数是源图像，第二个参数是模板图像，第三个参数是匹配的结果图像，第四个参数是用于指定比较的方法。

下面重点介绍一下第四个参数，opencv中支持的比较方法有六种，分别如下：

1、cv::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。

2、cv::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。

3、cv::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。

4、cv::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。

5、cv::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。

6、cv::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。

匹配方法的选取根据实际情况而定，这里我们选择的方法是cv::TM_CCOEFF_NORMED，源图像和匹配的相似度图如下：

因此，我们若想找到最佳匹配位置，只需要找到匹配结果图像的最大值点即可，这里我们使用cv::minMaxLoc()函数（具体请参考cv::Mat中最值和均值的求解）来找这个最大值点。找到结果后，将其绘制到原图像上，效果如下图所示（圆等图形的绘制请参考OpenCV3中的绘图详解），这里注意匹配结果图像与原图像之间的大小关系，他们之间差了一个模板大小。