opencv-模板匹配的例子

1。首先说明模板匹配的用途：

1）在目标图像中寻找到特定图像的位置，（比如在一群小黄人中找到斯图尔特Stuart ，哈哈 ，开个玩笑）

2）计算两张图片的相似度。（要求两张图片大小一样）

2. opencv中文论坛上有对模板匹配（matchTemplate）的应用实例，介绍的很详细，但是中间有一部分有点问题，完全按他的做出来的数据可能是不对的。

http://http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html#id3

通过这个介绍，你可以知道模板匹配的原理还有基本应用。

#include <stdio.h>
#include <iostream>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv.hpp>

using namespace std;
using namespace cv;

// 全局变量
Mat img;  Mat templ;    Mat result;
char* image_window  = "Source Image";
char* result_window = "Result window";

int match_method=0;
int max_Trackbar = 5;

//函数声明
void MatchingMethod(int , void*);

//主函数
int main()
{

    //载入目标图像（Src） 和 特定图像（template）
    img = imread("E:\\Pic_file\\6666.jpg");     //src
    templ = imread("E:\\Pic_file\\6667.jpg");   //templat

    namedWindow(image_window);
    namedWindow(result_window);

    char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
    createTrackbar(trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod);

    MatchingMethod(0,0);


    cout << "Hello World!" << endl;
    return 0;
}

//简单的滑动条的回调函数
void MatchingMethod(int, void *)
{
    Mat img_display;
    img.copyTo(img_display);

    // 创建输出结果的矩阵
    int result_cols = img.cols - templ.cols + 1;
    int result_rows = img.rows - templ.rows + 1;

    result.create(result_cols, result_rows,CV_32FC1 );

    //进行匹配和标准化
    matchTemplate(img, templ, result, match_method);
    normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );    //结果归一化

    //通过函数minMaxLoc 定位最佳匹配位置
    double minVal; double maxVal;  Point minLoc;  Point maxLoc;
    Point matchLoc;

    minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc,Mat());

    //<span class="c1">对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值代表更高的匹配结果. 而对于其他方法, 数值越大匹配越好</span>
    if(match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED )
    {
        matchLoc = minLoc;
    }
    else
    {
        matchLoc = maxLoc;
    }

    //显示最终结果
    rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(255), 2, 8, 0 );
    rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(255), 2, 8, 0 );

    cout<<"( "<<matchLoc.x<<" , "<<matchLoc.y<<") "<<endl;

    imshow( image_window, img_display );
    imshow( result_window, result );
    waitKey(1);

    return;
}

目标图像（Src）：

特定图像（template）：

0.CV_TM_SQDIFF匹配的结果：

1.CV_TM_SQDIFF_NORMED匹配的结果：

2. CV_TM_CCORR的匹配结果：

3.CV_TM_CCORR_NORMED匹配结果：

4.CV_TM_CCOEFF的匹配结果：

5.CV_TM_CCOEFF_NORMED的匹配结果：

说明：对于CV_TM_SQDIFF、CV_TM_SQDIFF_NORMED、CV_TM_CCORR、CV_TM_CCORR_NORMED、CV_TM_CCOEFF、CV_TM_CCOEFF_NORMED

这6种匹配方法 带 NORMED 的和 CV_TM_CCOEFF 的是不需要归一化的，也就是说不用 normalize 函数

3. 拓展应用，获得两个图像的相似度

要匹配2个图片，图片的尺寸要一致，即Src和template 是的大小一样，以下程序是拿一张相同的照片做匹配，并将结果输出到显示。

代码如下：

#include <stdio.h>
#include <iostream>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv.hpp>

using namespace std;
using namespace cv;

// 全局变量
Mat img;  Mat templ;    Mat result;
char* image_window  = "Source Image";
char* result_window = "Result window";

int match_method=0;
int max_Trackbar = 5;

//函数声明
void MatchingMethod(int , void*);

//主函数
int main()
{

    img = imread("E:\\Pic_file\\6666.jpg");     //src
    templ = imread("E:\\Pic_file\\6666.jpg");   //templat

    namedWindow(image_window);
    namedWindow(result_window);

    char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
    createTrackbar(trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod);

    MatchingMethod(0,0);


    cout << "Hello World!" << endl;
    return 0;
}

void MatchingMethod(int, void *)
{
    Mat img_display;
    img.copyTo(img_display);

    int result_cols = img.cols - templ.cols + 1;
    int result_rows = img.rows - templ.rows + 1;

    result.create(result_cols, result_rows,CV_32FC1 );

    matchTemplate(img, templ, result, match_method);
//    normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

    float a=((float*)(result.data))[0];
    cout<<" result = "<<a<<endl;

    double minVal; double maxVal;  Point minLoc;  Point maxLoc;
    Point matchLoc;

    minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc,Mat());

    if(match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED )
    {
        matchLoc = minLoc;
    }
    else
    {
        matchLoc = maxLoc;
    }

    rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(255), 2, 8, 0 );
    rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(255), 2, 8, 0 );

    cout<<"( "<<matchLoc.x<<" , "<<matchLoc.y<<") "<<endl;

    imshow( image_window, img_display );
    imshow( result_window, result );waitKey(0);

    return;
}

6种匹配方法的测试结果如下：

0.CV_TM_SQDIFF匹配的结果：

1.CV_TM_SQDIFF_NORMED匹配的结果：

2. CV_TM_CCORR的匹配结果：

3. CV_TM_CCORR_NORMED匹配结果：

4.CV_TM_CCOEFF的匹配结果：

5.CV_TM_CCOEFF_NORMED的匹配结果：

至此，模板匹配的代码结束。喜欢请点赞，谢谢，头一次写博客，内容可能不是很详细，有什么问题，欢迎随时提问。