模板匹配

模板匹配

1、模板匹配

1.1 介绍

opencv中支持的比较方法有6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。

• 

模板匹配api:

不同匹配方法的值索引：

2、 代码实现

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

using namespace std;
using namespace cv;

Mat img, tmp, dst;
int method = 1;
void MatchTmp(int, void*);
int main(int argc, char** argv)
{
	img = imread("G:/testpic/img.png");
	tmp = imread("G:/testpic/tmp.png");
	if (!img.data || !tmp.data)
	{
		printf("cannot load the image");
		return -1;
	}

	imshow("src", img);
	imshow("tmp", tmp);

	namedWindow("result", WINDOW_AUTOSIZE);
	createTrackbar("num:", "result", &method, 5, MatchTmp);
	MatchTmp(0,0);

	waitKey(0);
	return 0;
}

void MatchTmp(int, void*)
{
	int width = img.cols - tmp.cols + 1;
	int high = img.rows - tmp.rows + 1;
	Mat result(width, high, CV_32FC1);

	//模板匹配
	matchTemplate(img, tmp, result, method, Mat());
	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

	//找最大值最小值点的位置
	double min, max;
	Point minLoc, maxLoc, tmpLoc;
	minMaxLoc(result, &min, &max, &minLoc, &maxLoc);
	if (method == TM_SQDIFF || method == TM_SQDIFF_NORMED)
	{
		tmpLoc = minLoc;
	}
	else
	{
		tmpLoc = maxLoc;
	}

	//画矩形
	img.copyTo(dst);
	rectangle(result, Rect(tmpLoc.x, tmpLoc.y, tmp.cols, tmp.rows), Scalar(0,0,255), 2, LINE_AA);
	rectangle(dst, Rect(tmpLoc.x, tmpLoc.y, tmp.cols, tmp.rows), Scalar(0,0,255), 2, LINE_AA);
	
	imshow("result", result);
	imshow("dst", dst);
}

原图：

tmp:

result:

dst: