【转】多尺度模板匹配_cv2 多尺度模板匹配-CSDN博客

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/sazass/article/details/89634427
————————————————
版权声明：本文为CSDN博主「sazass」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sazass/article/details/89634427

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

//相似度匹配算法之灰度值方差匹配法：
double get_variance(Mat&a ,Mat&b)
{
if(a.rows!=b.rows || a.cols != b.cols ||a.channels()!=b.channels())
{
printf("not the same size!\n");
return 0;
}

//处理图像相似度
//1.求出每一行到灰度值均值,加入容器，作为特征值；
//2.求出灰度值总平均值与每行平均值的方差；
//3.行行比较与模版方差的接近程度


vector<double> variance_a;
vector<double> variance_b;
double var_a =0;
double var_b =0;
double sum_a =0;
double sum_b =0;
double mean_a;
double mean_b;
double sum_variance;
//将每行灰度值均值存入容器
for(int i=0; i<a.rows; i++){
mean_a =0;
mean_b =0;
for(int j=0; j< a.cols; j++){
mean_a += a.at<uchar>(i,j);
mean_b += b.at<uchar>(i,j);
}
mean_a /=(double)(a.rows*a.cols);
mean_b /=(double)(a.rows*a.cols);
sum_a += mean_a;
sum_b += mean_b;
variance_a.push_back(mean_a);
variance_b.push_back(mean_b);
}
//全图灰度值均值
mean_a = sum_a / (double)variance_a.size();
mean_b = sum_b / (double)variance_b.size();
//灰度值方差之差累加
for(int i =0; i<variance_a.size(); i++){
var_a = (variance_a[i] - mean_a)*(variance_a[i] - mean_a);
var_b = (variance_b[i] - mean_b)*(variance_b[i] - mean_b);
sum_variance += abs(var_a - var_b);
}

return sum_variance;
}

int main(int argc, const char * argv[])
{
   //加载图像
   Mat org = imread("------");
   Mat my_template = imread("----------");
   cvtColor(my_template, my_template, CV_RGB2GRAY);
cvtColor(org, org, CV_RGB2GRAY);

   int best_index ;   //存储最佳匹配的序号
double min_diff;   //存储最小的方差值之差
Rect best_rect;       //存储最佳的匹配框
   //循环缩放，当前模版为最大尺寸，每次循环缩小5%，循环10次
   for(int index =0; index <10; index ++)
   {
       //获得缩放后的模版
       Mat temp_template = my_template.clone();
int new_rows =my_template.rows - index * 0.05*my_template.rows;
int new_cols =my_template.cols - index * 0.05 *my_template.cols;
resize(temp_template, temp_template, Size(new_cols,new_rows));

       //模版匹配
       Mat result;
result.create(org.dims,org.size,org.type());
matchTemplate(org, temp_template, result, 0);

       //获取模版匹配得到的rect
       Point minPoint;
Point maxPoint;
double *minVal ;
double *maxVal ;
minMaxLoc(result, minVal,maxVal,&minPoint,&maxPoint);
Rect rect(minPoint.x,minPoint.y,new_cols,new_rows);

       //显示
       Mat image_show = org.clone();
       rectangle(image_show,rect,Scalar(0,0,255));
       imshow("window",image_show);
       waitkey(0);

       //获取匹配部分的roi图像
       Mat result_img = org.clone();
       Mat result_img_roi =result_img(rect);
       //相似度比较部分：
       //比较相似度的算法很多，各有所长，这里用的是一个灰度值方差的相似度比较
       //variance_diff表示灰度值方差，方差越小，相似度越高；
       double variance_diff = get_variance(result_img_roi,temp_template) ;

       //默认值为index=0时获取的值；方便与之后的值最比较
       if(index == 0){
min_diff = variance_diff ;
best_index = index;
best_rect = rect;
}
//当前值与目前的最小方差做比较
if(variance_diff < min_diff ){
min_diff = variance_diff ;
best_index = index;
best_rect = rect;
}
   }//for

   Mat image_show = org.clone();
   rectangle(org, best_rect, Scalar(0,255,0),3);
imshow("result",org);
waitKey(0);
}
————————————————
版权声明：本文为CSDN博主「sazass」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sazass/article/details/89634427