所谓模板匹配是一种用于在源图像I中寻找并且定位给定的目标图像T(即模板图像)的技术,在输入源图像Source image(I)中滑动目标图像T,寻找各个位置与模板图像Template image(T)的相似度,并将结果保存在结果矩阵result matrix(R)中。该矩阵的每一个点的亮度表示与模板T的匹配程度。
两个图像块之间的相似度可以通过一些相似度准则来衡量:
CV_TM_SQDIFF平方差匹配法,最好的匹配为0,值越大匹配越差
CV_TM_SQDIFF_NORMED归一化平方差匹配法
CV_TM_CCORR相关匹配法,采用乘法操作,数值越大表明匹配越好
CV_TM_CCORR_NORMED归一化相关匹配法
CV_TM_CCOEFF相关系数匹配法,最好的匹配为1,-1表示最差的匹配
CV_TM_CCOEFF_NORMED归一化相关系数匹配法
上面提到的归一化方法很有用,它可以帮助我们减少模版和图像上光照变化所产生的影响。
前面讲了直方图的反向投影,它对比的是直方图,而这里讲的模版匹配比较的是源图像和模版图像的像素,模版匹配的特点是简单且直接,但是他的缺点也是非常明显的,它不具有旋转不变性、缩放不变性以及尺度不变性,其应用受到限制。
相对于模版匹配,提一下特征点的匹配,使用SIFT提取出的特征点进行匹配,具有旋转、缩放、尺度不变性,可以应用在图像拼接、三维重建中。