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);
}