模板匹配介绍

模板匹配定义

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。

匹配算法

opencv中支持的比较方法有六种，分别如下：

平方差

1、cv::TM_SQDIFF：该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差。

公式为：
在这里插入图片描述

归一化的平方差

2、cv::TM_SQDIFF_NORMED：该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处。

公式为：
在这里插入图片描述

归一化的相关性

4、cv::TM_CCORR_NORMED：归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。

公式为：
在这里插入图片描述

归一化的相关性系数

6、cv::TM_CCOEFF_NORMED：归一化的相关性系数匹配方法，正值表示匹配的结果较好，负值则表示匹配的效果较差，也是值越大，匹配效果也好

公式为：
在这里插入图片描述

相关API

函数原型：

void cv::matchTemplate(cv::InputArray image, // 用于搜索的输入图像, 8U 或 32F, 大小 W-Hcv::InputArray templ, // 用于匹配的模板，和image类型相同， 大小 w-hcv::OutputArray result, // 匹配结果图像, 类型 32F, 大小 (W-w+1)-(H-h+1)int method 				// 用于比较的方法
);

函数参数：

参数	含义	匹配取值
`TM_SQDIFF`	平方差	该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差。
`TM_SQDIFF_NORMED`	归一化的平方差	该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处。
`TM_CCORR`	相关性	相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳匹配位置在值最大处，值越小匹配结果越差。
`TM_CCORR_NORMED`	归一化的相关性	归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处。
`TM_CCOEFF`	相关性系数	相关性系数匹配方法，该方法使用源图像与其均值的差、模板与其均值的差二者之间的相关性进行匹配，最佳匹配结果在值等于1处，最差匹配结果在值等于-1处，值等于0直接表示二者不相关。
`TM_CCOEFF_NORMED`	归一化的相关性系数	归一化的相关性系数匹配方法，正值表示匹配的结果较好，负值则表示匹配的效果较差，也是值越大，匹配效果也好

代码示例

效果如下：在另一张颖宝图片中，找到了其他图片的颖宝头像截图
在这里插入图片描述
素材：
请添加图片描述

代码：

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h> 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("./zhao3.jpg");// 模板图像temp = imread("./zhaolian.jpg");if (src.empty() || temp.empty()) {printf("could not load image...\n");return -1;}namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);namedWindow(OUTPUT_T, CV_WINDOW_NORMAL);namedWindow(match_t, CV_WINDOW_AUTOSIZE);imshow(INPUT_T, temp);const char* trackbar_title = "Match Algo Type:";createTrackbar(trackbar_title, 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());// 平方差最佳的匹配结果小值匹配效果最佳  其余均为大值效果最佳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), 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);
}