opencv::模板匹配(Template Match)

 

模板匹配介绍
    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。

 

 

 

 

OpenCV中提供了六种常见的匹配算法如下：

1、计算平方不同

 

2、计算相关性

 

3、计算相关系数

 

模板匹配介绍 – 匹配算法介绍

1、计算归一化平方不同

 

 

2、计算归一化相关性

 

 

3、计算归一化相关系数

 

 

 

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)
)

 

 

Mat src, temp, dst;
int match_method = TM_SQDIFF;
int max_track = 5;

void Match_Demo(int, void*);
int main(int argc, char** argv) {

    src = imread(STRPAHT2);
    temp = imread(STRPAHT3);

    if (src.empty() || temp.empty()) {
        printf("could not load image...\n");
        return -1;
    }

    imshow("INPUT_T", src);
    createTrackbar("Match Algo Type:", "OUTPUT_T", &match_method, max_track, Match_Demo);
    Match_Demo(0, 0);

    waitKey(0);
    return 0;
}

void Match_Demo(int, void*) {
    int width = src.cols - temp.cols + 1;
    int height = src.rows - temp.rows + 1;    
    Mat result(width, height, CV_32FC1);

    matchTemplate(src, temp, result, match_method, Mat());
    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

    Point minLoc;
    Point maxLoc;
    double min, max;
    src.copyTo(dst);
    Point temLoc;
    minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());
    if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
        temLoc = minLoc;
    }
    else {
        temLoc = maxLoc;
    }

    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_T", result);
    imshow("match_t", dst);
}