Opencv学习笔记（七） 模板匹配(基于某特征模板识别图像)

什么是模板匹配 ?

本文参考链接：Opencv官方文档
官方介绍：
模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。

作者观点：
模板匹配其实通过识别已知模板的特征，然后根据此特征对待检测的图像进行遍历地扫描，识别出待检测图像中与模板特征最相似的像素并且定位。（就好比是给你一朵花的照片，让你在一片花丛中寻找这朵花一样。）

但是需要注意的是，模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

相关API：

matchTemplate()函数

void matchTemplate
(
InputArray image,
InputArray templ,
OutputArray result,
int method
InputArray mask = noArray()
);
image：输入图像，必须为8位或者32位的浮点型。
templ：用于搜索的模板图像，必须小于输入图像并且是一样的数据类型。
result：匹配结果图像。必须是单通道32位浮点型，且大小是（W-w+1）*（H-h+1），其中W，H分别为输入图像的宽和高，w，h分别为模板图像的宽和高。
method：模板匹配的方法。
mask ：蒙版。

（模板匹配共分为五种匹配的方法：平方差匹配 TM_SQDIFF、标准平方差匹配 TM_SQDIFF_NORMED、相关匹配 TM_CCORR、 标准相关匹配 TM_CCORR_NORMED、相关系数匹配TM_CCOEFF）
因模板匹配的计算方法涉及到复杂的数学公式和方法，这里我们不作展开，有需要的朋友可以参考一下opencv官方中文文档。

通过此函数输出的结果还要经过归一化处理（normalize()函数）

minMaxLoc()函数（定位最匹配的位置）

该函数的详细介绍可参考：

minMaxLoc()函数介绍

代码演示：

#include 
#include 
#include 
using namespace std;
using namespace cv;

Mat src, temp, dst;
int match_method = TM_SQDIFF;
int max_track = 5;
const char* INPUT_T = "input image";
const char* OUTPUT_T = "result image";
const char* match_t = "template match-demo";
void Match_Demo(int, void*);

int main(int argc, char** argv)
 {
 // 待检测图像
 src = imread("C:/Users/86159/Desktop/yasina1.jpg");
 // 模板图像
 temp = imread("C:/Users/86159/Desktop/butterfly.png");
 if (src.empty() || temp.empty()) {
  printf("could not load image...\n");
  return -1;
 }
 namedWindow(INPUT_T, WINDOW_AUTOSIZE);       //显示模板图像
  imshow(INPUT_T, temp);
 
 namedWindow(OUTPUT_T, WINDOW_NORMAL);        //创建并调整窗口
 resizeWindow(OUTPUT_T, 500, 500);
 moveWindow(OUTPUT_T, 500, 0);
  namedWindow(match_t, WINDOW_NORMAL);
 resizeWindow(match_t, 500, 500);
 
 const char* trackbar_title = "Match Algo Type:";
 createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo);         //创建滑动条
 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());      //模板匹配
 normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());	 //归一化处理
 
 Point minLoc;
 Point maxLoc;
 double min, max;
 src.copyTo(dst);
 Point temLoc;
 minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());        //定位最匹配的位置
 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), 5, 8);
 rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 5, 8);
 imshow(OUTPUT_T, result);
 imshow(match_t, dst);
}

效果展示：

希望对读者有所帮助，喜欢的话可以关注一下我的公众号，我会把学习笔记发在上面，大家可以一起共同学习！