opencv学习笔记(23)：模板匹配(Template Match)

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。

matchTemplate(

InputArray image,// 源图像，必须是8-bit或者32-bit浮点数图像

InputArray templ,// 模板图像，类型与输入图像一致

OutputArray result,// 输出结果，必须是单通道32位浮点数，假设源图像WxH,模板图像wxh,
则结果必须为W-w+1, H-h+1的大小。
int method,//使用的匹配方法

InputArray mask=noArray()//(optional)
)
匹配方法有6种
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。

在寻找最佳匹配位置时需要用到一个函数minMaxLoc
void minMaxLoc( const Mat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, const Mat& mask=Mat() );
参数解释
参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。

实例代码

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

using namespace std;
using namespace cv;
Mat src, dst,temp;
int match_method = TM_SQDIFF;
int max_track = 5;
const char* output_title = "result image";
const char* match_t = "template match demo";
void match_demo(int, void*);
int main(int argc, char** argv)
{

	src = imread("F:/1.jpg");
	temp = imread("F:/3.png");
	if (!src.data||!temp.data)
	{
		cout << "cannot load image" << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	imshow("template", temp);
	const char* tracktitle = "match type";
	namedWindow(output_title, WINDOW_AUTOSIZE);
	createTrackbar(tracktitle, output_title, &match_method, max_track, match_demo);
	match_demo(0, 0);
	waitKey(0);
	return 0;
}

void match_demo(int, void*)
{
	//创建用于显示结果的Mat
	int width = src.cols - temp.cols + 1;
	int height = src.rows - temp.rows + 1;
	Mat result(width,height,CV_32FC3);
	//调用matchTemplate
	matchTemplate(src, temp, result, match_method);
	//归一化
	normalize(result, result, 0, 1, NORM_MINMAX, -1);
	Point minLoc;
	Point maxLoc;
	double  min, max;
	src.copyTo(dst);
	Point temLoc;
	//按匹配方法确定最佳匹配位置（最大值或最小值）
	minMaxLoc(result, &min, &max, &minLoc, &maxLoc,Mat());
	if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED)
	{
		temLoc = minLoc;
	}
	else
	{
		temLoc = maxLoc;
	}
	//绘制矩形
	rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
	rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
	imshow(output_title, result);
	imshow(match_t, dst);
}