OpenCV模板匹配函数matchTemplate详解

时间:2022-06-29 23:47:49

参考文档:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html#id2

 

最近一直在做一个logo检测的项目,检测logo的有无,接触到模板匹配。模板匹配虽然精度不高,但选择恰当的方法,设置合适的阈值也能起到一定作用。有的时候我们还能用模板匹配来定位。下面对模板匹配进行一个总结。

 

模板匹配:模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.

 

matchTemplate()参数详解

CV_EXPORTS_W void matchTemplate( InputArray image, InputArray templ,
                                 OutputArray result, int method );

 

image:待匹配的源图像
templ:模板图像
result:保存结果的矩阵,我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置.
  minMaxLoc()函数:查找全局最小和最大稀疏数组元素并返回其值及其位置
  void minMaxLoc(const SparseMat& a, double* minVal,double* maxVal, int* minIdx=0, int* maxIdx=0);
  • a: 匹配结果矩阵
  • &minVal&maxVal: 在矩阵 result 中存储的最小值和最大值
  • &minLoc&maxLoc: 在结果矩阵中最小值和最大值的坐标.

method :模板匹配的算法
  有以下六种:
  enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };
  • TM_SQDIFF,TM_SQDIFF_NORMED匹配数值越低表示匹配效果越好,其它四种反之。
  • TM_SQDIFF_NORMED,TM_CCORR_NORMED,TM_CCOEFF_NORMED是标准化的匹配,得到的最大值,最小值范围在0~1之间,其它则需要自己对结果矩阵归一化。
  • 不同的方法会得到差异很大的结果,可以通过测试选择最合适的方法。

归一化函数normalize()

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

 

模板匹配的大致用法如下:

void templateMatching(const Mat& srcImage,const Mat& templateImage)
{
    Mat result;
    int result_cols = srcImage.cols - templateImage.cols + 1;
    int result_rows = srcImage.rows - templateImage.rows + 1;
    if(result_cols < 0 || result_rows < 0)
    {
        qDebug() << "Please input correct image!";
        return;
    }
    result.create(result_cols, result_rows, CV_32FC1);
//    enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };
    matchTemplate(srcImage,templateImage,result,TM_CCOEFF_NORMED);   //最好匹配为1,值越小匹配越差
    double minVal = -1;
    double maxVal;
    Point minLoc;
    Point maxLoc;
    Point matchLoc;
    minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());

 //取大值(视匹配方法而定)
//    matchLoc = minLoc;
    matchLoc = maxLoc;

    //取大值,值越小表示越匹配
    QString str = "Similarity:" + QString::number((maxVal) * 100, 'f', 2) + "%";
    qDebug(str.toAscii().data());

    Mat mask = srcImage.clone();
//绘制最匹配的区域 rectangle(mask, matchLoc, Point(matchLoc.x
+ templateImage.cols, matchLoc.y + templateImage.rows), Scalar(0, 255, 0), 2, 8, 0); imshow("mask",mask); }

 

分别采用两个不同颜色的模板图进行测试,得到如下两组结果图,以供参考。

测试结果1:

OpenCV模板匹配函数matchTemplate详解

 

OpenCV模板匹配函数matchTemplate详解             OpenCV模板匹配函数matchTemplate详解           OpenCV模板匹配函数matchTemplate详解

 

OpenCV模板匹配函数matchTemplate详解

                       

 测试结果2:

 OpenCV模板匹配函数matchTemplate详解

OpenCV模板匹配函数matchTemplate详解          OpenCV模板匹配函数matchTemplate详解          OpenCV模板匹配函数matchTemplate详解

 

OpenCV模板匹配函数matchTemplate详解