【转】多尺度模板匹配

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