opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))

直观原理来自:

https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

 

它是怎么实现的?

  • 我们需要2幅图像:

    1. 原图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域
    2. 模板 (T): 将和原图像比照的图像块

    我们的目标是检测最匹配的区域:

    ../../../../../_images/Template_Matching_Template_Theory_Summary.jpg
  • 为了确定匹配区域, 我们不得不滑动模板图像和原图像进行 比较 :

    ../../../../../_images/Template_Matching_Template_Theory_Sliding.jpg
  • 通过 滑动, 我们的意思是图像块一次移动一个像素 (从左往右,从上往下). 在每一个位置, 都进行一次度量计算来表明它是 “好” 或 “坏” 地与那个位置匹配 (或者说块图像和原图像的特定区域有多么相似).

  • 对于 T 覆盖在 I 上的每个位置,你把度量值 保存 到 结果图像矩阵 (R) 中. 在 R 中的每个位置 (x,y) 都包含匹配度量值:

    ../../../../../_images/Template_Matching_Template_Theory_Result.jpg

    上图就是 TM_CCORR_NORMED 方法处理后的结果图像 R . 最白的位置代表最高的匹配. 正如您所见, 红色椭圆框住的位置很可能是结果图像矩阵中的最大数值, 所以这个区域 (以这个点为顶点,长宽和模板图像一样大小的矩阵) 被认为是匹配的.

  • 实际上, 我们使用函数 minMaxLoc 来定位在矩阵 R 中的最大值点 (或者最小值, 根据函数输入的匹配参数) .

 

具体措施:

 

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第1张图片

六种常见模板匹配:

其中TM_CCORR最不准

T为模板,I为图像,x',y'为模板的长宽。

1,计算平方不同:

2,计算相关性:

3,计算相关系数:

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第2张图片

4,计算归一化平方不同

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第3张图片

5,计算归一化相关性

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第4张图片

6,计算归一化相关系数

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第5张图片

汇总表:

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第6张图片

 

API:

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(每个窗口对比完之后,结果只有一                                         个数)。 

int method,//使用的匹配方法 InputArray mask=noArray()//(optional) )

opencv笔记二十八(模板匹配(matchTemplate,较为低级必须是原图扣出来的一部分,且长宽都不能变才行,原理类似于卷积))_第7张图片

 

 

minMaxLoc ( //寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置

InputArray src, //输入图像

double* minVal, //最小值,可以为0表示不要

double* maxVal=0, //最大值,可以为0表示不要

Point* minLoc=0, //最小值坐标

Point* maxLoc=0, //最大值坐标

const Mat& mask=Mat() //掩膜

);

 

 

代码如下:

#include
#include
#include
using namespace cv;
using namespace std;
Mat t1, t2, result,t11;
int n = 0, m = 5;
char *c1 = "OLD", *c2 = "template", *c3 = "result";
void MO(int, void*);
int main(int agrc, char* agrv) {
	t1 = imread("test.png");
	t2 = imread("testamo.png");
	if (!t1.data || !t2.data) {
		cout << "wrong";
		return -1;
	}
	namedWindow(c1, 0);
	namedWindow(c2, 0);
	namedWindow(c3, 0);
	createTrackbar("type", c3, &n, m, MO);
	MO(0, 0);

	waitKey(0);
}

void MO(int, void*) {
	int row = t1.rows - t2.rows + 1;
	int col = t1.cols - t2.cols + 1;
	result.create(row, col, CV_32FC1);
	matchTemplate(t1, t2, result, n, Mat());
	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());//这句很重要不然一片白
	Point min, max;
	double mi, ma;
	minMaxLoc(result, &mi, &ma, &min, &max,Mat());
	Point end;
	if (n == 0 || n == 1) {
		end = min;
	}
	else {
		end = max;
	}
	t1.copyTo(t11);//没有这个图矩形框直接画在t1上不会消失
	rectangle(t11,Rect(end.x, end.y, t2.cols, t2.rows), Scalar(150, 250, 180), 2, 8);
	rectangle(result, Rect(end.x, end.y, t2.cols, t2.rows), Scalar(150, 200, 180), 2, 8);

	imshow(c1, t11);
	imshow(c2, t2);
	imshow(c3, result);
}

 

你可能感兴趣的:(opencv,opencv+vs基础教程)