java opencv 实现多目标匹配

最新推荐文章于 2024-07-08 23:03:25 发布

置顶 ytl13966

最新推荐文章于 2024-07-08 23:03:25 发布

阅读量1k

点赞数 2

本文链接：https://blog.csdn.net/ytl13969670940/article/details/103176569

版权

记录学习一下
第一次写博

package com.dayao.sj;
import org.opencv.core.Core;
import org.opencv.core.Core.MinMaxLocResult;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class Template {

	static {
		System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
	}


	public static void main(String[] args) {
		templete(Imgproc.TM_CCOEFF_NORMED);
	}

	/**
	 *  
	 * TM_SQDIFF是平方差匹配、TM_SQDIFF_NORMED是标准平方差匹配,利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。
	 * TM_CCORR是相关性匹配、TM_CCORR_NORMED是标准相关性匹配,采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。 
	 * TM_CCOEFF是相关性系数匹配、TM_CCOEFF_NORMED是标准相关性系数匹配,将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。
	 * 随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。 
	 * 相关性是越接近1越大越好，平方差是越小越好，所以TM_SQDIFF在使用时和其他的是有所区别的。
	 * 模板匹配结果Mat要是32位的。 
	 * 
	 */
	public static void templete(int method) {
		// 待匹配图片
		Mat templete=Imgcodecs.imread("D:\\hello\\P71220-111952.jpg");
		// 模板
		Mat demo=Imgcodecs.imread("D:\\hello\\123.jpg");

		int width=templete.cols()-demo.cols()+1;
		int height=templete.rows()-demo.rows()+1;
		
		// 模板匹配结果Mat要是32位的。
		Mat result=new Mat(width,height,CvType.CV_32FC1);
		// 模板匹配函数
		Imgproc.matchTemplate(templete, demo, result, method);
		//  归一化
		Core.normalize(result, result,0, 1, Core.NORM_MINMAX, -1, new Mat());  
		
		//遍历result结果,找相似结果通过Limit筛选。
		//因为我们用的是TM_CCOEFF_NORMED，所以结果越接近1标识匹配值越大，所以我们将匹配值大于0.9的区域框起来实现多目标匹配
		double Limit =0.9;
		for(int i = 0;i<result.rows();i++) 
		{
			
			for(int j = 0;j<result.cols();j++) 
			{              
              double matchValue =result.get(i,j)[0];						
				if(matchValue>Limit) 
				{	//绘制匹配到的结果				
					Imgproc.rectangle(templete,new Point(j,i),new Point(j+demo.cols(),i+demo.rows()),new Scalar( 0, 0, 255),2,Imgproc.LINE_AA);
					
				}						
			}
			
		}
		
		
		/*以下寻找最佳匹配
		 *MinMaxLocResult mmr = Core.minMaxLoc(result);		
		 * double x,y; if (method==Imgproc.TM_SQDIFF_NORMED ||
		 * method==Imgproc.TM_SQDIFF) { x = mmr.minLoc.x; y = mmr.minLoc.y; } else { x =
		 * mmr.maxLoc.x; y = mmr.maxLoc.y; }
		 *绘制匹配到的结果
		 *Imgproc.putText(templete,"Match Success",new Point(x,y),Imgproc.FONT_HERSHEY_SCRIPT_COMPLEX, 1.0, new Scalar(0, 255, 0),1,Imgproc.LINE_AA);
		*/ 
		
		
		// 显示结果		
		HighGui.imshow("模板匹配", templete);
		HighGui.waitKey(0);

	}

	}