【My Project】图像匹配平台一

图像匹配平台一

SkySeraph Mar 29th 2011 HQU

Email：zgzhaobo@gmail.com QQ：452728574

Latest Modified Date：Mar 29th 2011 HQU

一工具：VS2010+OpenCV2.0

语言：CPP

二原理：采用的是归一化积相关灰度匹配

原理可参考：http://wenku.baidu.com/view/48b0e93467ec102de2bd89eb.html

三核心源码

执行

+ View Code?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
//----------------------------------------------
////模板匹配
void CTemplateMatchDlg::OnBnClickedTemplatematch()
{
    // 验证
    if(pTmpImg == NULL)
    {
        AfxMessageBox(_T("请先选择模板！"));
        return;
    }
    if(iTmpImgType!=1 && iTmpImgType!=-1 )
    {
        AfxMessageBox(_T("模板必须是灰度/二值图像，请进行灰度化转换！"));
        return;
    }
    // 验证模板
    int h = pTmpImg->height;
    int w = pTmpImg->width;
    if(w > IMAGE_WIDTH || h > IMAGE_HEIGHT)
    {
        AfxMessageBox(_T("模板尺寸大于源图像尺寸，请重新选择模板！"));
        return;
    }

    // 更改光标形状
    BeginWaitCursor();

    // 进行模板匹配
    TemplateMatch(pWorkImg,pTmpImg);

    // 显示
    ShowImage(pWorkImg, IDC_PICSHOW3);

    // 恢复光标形状
    EndWaitCursor();

}

匹配

100

101

102

103

104

105

106

107

108

109

110

111

//----------------------------------------------
////模板匹配：归一化积相关灰度匹配
/*----------------------------------------------
/----------------------------------------------*/
void CTemplateMatchDlg::TemplateMatch(IplImage* img, IplImage* tmpImg)
{
    //循环变量
    int i, j, m, n;
 
    double dSumT; //模板元素的平方和
    double dSumS; //图像子区域元素的平方和
    double dSumST; //图像子区域和模板的点积    
 
    //响应值/相似性测度
    double R;
 
    //记录当前的最大响应
    double MaxR;
 
    //最大响应出现位置
    int nMaxX = 0;
    int nMaxY = 0;
 
    //源图像的高、宽
    int nHeight = img->width;
    int nWidth = img->height;
    int nStep = img->widthStep;
    uchar* cData;
    cData = (uchar*)img->imageData;
    //模板的高、宽
    int nTplHeight = tmpImg->width;
    int nTplWidth = tmpImg->height;
    int nTplStep = tmpImg->widthStep;
    uchar* cTplData;
    cTplData = (uchar*)tmpImg->imageData;
 
    //计算 dSumT:模板元素的平方和
    dSumT = 0;
    for (m = 0;m < nTplHeight ;m++)
    {
        for(n = 0;n < nTplWidth ;n++)
        {
            // 模板图像第m行，第n个象素的灰度值
            int nGray = cTplData[m*nTplStep+n];
            dSumT += (double)nGray*nGray;
        }
    }
 
    //找到图像中最大响应/最大相似性的出现位置
    MaxR = 0;
    for (i = 0;i < nHeight - nTplHeight +1 ;i++)
    {
        for(j = 0;j < nWidth - nTplWidth + 1;j++)
        {
            dSumST = 0;
            dSumS = 0;
 
            for (m = 0;m < nTplHeight ;m++)
            {
                for(n = 0;n < nTplWidth ;n++)
                {
                    // 原图像第i+m行，第j+n列象素的灰度值
                    int nGraySrc  = cData[(i+m)*nStep+(j+n)];
 
                    // 模板图像第m行，第n个象素的灰度值
                    int nGrayTpl = cTplData[m*nTplStep+ m];
 
                    dSumS += (double)nGraySrc*nGraySrc;
                    dSumST += (double)nGraySrc*nGrayTpl;
                }
            }
 
            R = dSumST / ( sqrt(dSumS)*sqrt(dSumT));//计算相关响应/相似性
 
            //与最大相似性比较
            if (R > MaxR)
            {
                MaxR = R;
                nMaxX = j;
                nMaxY = i;
            }
        }
    }
 
    //清空目标图像/对目标图像的像素进行赋值   
    if(img)
        for (m = 0;m < nHeight ;m++)
        {
            for(n = 0;n < nWidth ;n++)
            {
                cData[m*nStep+n] = cData[m*nStep+n]/2;  //像素值减半
            }
        }
        //cvZero(img); 
 
    //int nStep2 = img->widthStep;
    //uchar* cData2;
    //cData2 = (uchar*)img->imageData;
 
 
    //将找到的最佳匹配区域复制到目标图像
    for (m = 0;m < nTplHeight ;m++)
    {
        for(n = 0;n < nTplWidth ;n++)
        {
            int nGray = cTplData[m*nTplStep+n];
            //cData[m*nStep+n] = 0;
            cData[(nMaxY+m)*nStep+(nMaxX+n)] = RGB(nGray, nGray, nGray);
        }
    }
}