1.模板匹配概念
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。
所以模板匹配首先需要一个模板图像T(给定的子图像)
另外需要一个待检测的图像-源图像S
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。
2.匹配算法
分别是:计算平方不同、计算归一化平方不同、计算相关性、计算归一化相关性、计算相关系数、计算归一化相关系数
3.相关API
matchTemplate(InputArray image,InputArray templ,OutputArray result,int method,InputArray mask=noArray())
image: 源图像,必须是8-bit或者32-bit浮点数图像
templ:模板图像,类型与输入图像一致
result:输出结果,必须是单通道32位浮点数,模板在待测图像上每次在横向或是纵向上移动一个像素,并作一次比较计算,由此,横向比较W-w+1次,纵向比较H-h+1次,从而得到一个(W-w+1)×(H-h+1)维的结果矩阵,result即是用图像来表示这样的矩阵,因而图像result的大小为(W-w+1)×(H-h+1)。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。cvMatchTemplate依次计算模板与待测图片的重叠区域的相似度,并将结果存入映射图像result当中,result图像中的每一个点的值代表了一次相似度比较结果。
method:使用的匹配方法
mask:掩膜,一般默认
method类型选择:
cv::TM_SQDIFF(0)
计算模板与目标图像的方差,由于是像素值差值的平方的和,所以值越小匹配程度越高;
cv::TM_SQDIFF_NORMED(1)
范化的cv::TM_SQDIFF,取值为0-1之间,完美匹配返回值为0;这两个都是数值越小匹配度越高,其余的是数值越高匹配度越高。
4.代码实现
#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
Mat src,temp,dst;
int method = 2;//匹配算法初始数值最大定义
char inputName[] = "input name";
char outputName[] = "output name";
void Method(int, void *);
int main()
{
src = imread("D:/VS project/Image/check.jpg");//待检测
temp=imread("D:/VS project/Image/temp.png");
if (src.empty()||temp.empty())
{
cout << "找不到图像!" << endl;
return -1;
}
namedWindow(inputName, CV_WINDOW_AUTOSIZE);
namedWindow("result Image", CV_WINDOW_AUTOSIZE);
namedWindow(outputName, CV_WINDOW_AUTOSIZE);
imshow(inputName, src);
createTrackbar("Method value", outputName, &method, 5, Method);
Method(0, 0);
waitKey(0);
return 0;
}
void Method(int, void *)
{
int width = src.cols - temp.cols + 1;
int height = src.rows - temp.rows + 1;
Mat result(width,height,CV_32FC1);
matchTemplate(src, temp, result, method);
normalize(result, result, 0, 1, NORM_MINMAX, -1,Mat());
Point minLoc;
Point maxLoc;
double min,max;
Point tempLoc;
src.copyTo(dst);
minMaxLoc(result, &min, &max, &minLoc, &maxLoc);//从result中提取最大值(相似度最高)以及最大值的位置
if (method == TM_SQDIFF || method == CV_TM_SQDIFF_NORMED)
{
tempLoc = minLoc;
}
else
{
tempLoc = maxLoc;
}
rectangle(dst, Rect(tempLoc.x, tempLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
rectangle(result, Rect(tempLoc.x, tempLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
imshow("result Image", result);
imshow(outputName, dst);
}
5.运行结果