Opencv (C++)系列学习---模板匹配

简介: Opencv (C++)系列学习---模板匹配



1.模板匹配的定义

       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,该匹配方法并不是基于直方图,而是使用一个图像块在输入图像上进行“”滑动“”。(也就是在图像上按照模板大小一块一块比对)

2.API介绍

void cv::matchTemplate(
cv::InputArray image //需要匹配的图像
cv::InputArray temp  //模板图像
cv::OutArray  result //存储的计算得到的结果
int           method  //匹配的方法

对于该算子需要注意的有两点:

1.result是存储匹配的结果,对于它的定义为单通道的大小为(image.width-temp.width+1,image.height-temp.height+1),也就是原图的大小裁去temple模板的宽高,不过其定义rows和cols需要交换位置(正常图像Mat定义先rows后cols),同时数据类型可以是CV_8UC1或者CV_32FC1。具体定义如下:

Mat result(image.cols-temp.cols+1,image.rows-temp.rows+1,CV_32FC1)

2.匹配方法介绍

cv::TM_SQDIFF==0(方差匹配法)

cv::TM_SQDIFF_NORMED==1(归一方差匹配法)

cv::TM_CCORR==2(相关性匹配方法)

cv::TM_CCORR_NORMED==3(归一化的互相关匹配法)

cv::TM_CCOEFF==4(相关系数匹配法)

cv::TM_CCOEFF_NORMED==5(归一化相关系数匹配方法)

对于前两种方差匹配方法0和1,完全匹配后值为0,不匹配值很大(值越小,匹配效果越好)。

对于中间两种相关匹配方法2和3,完全匹配后值很大,不匹配时值很小,接近于0。(值越大,匹配效果越好)。

对于最后两种相关系数匹配方法4和5,完全匹配会得到1,完全误匹配会得到-1。(分值介于-1-1,值越大,匹配效果越好)。

3.寻找最优匹配位置(匹配后的配套操作)

1.cv::normalize 归一化,在同样的代码中选择不同的匹配方法,其result值的结果也不一致,通过归一化算子中cv::NORM_MINMAX方向可以将各点的匹配结果线性映射到0-1之间。

2.cv::minMaxLoc()最小和最大点查找,通过该算子可以将result中结果进行查找,找到分数最小最大值和其在result中的位置。

4.具体代码

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace std;
using namespace cv;
#define WINDOW_NAME1 "【原始图片】"
#define WINDOW_NAME2 "【效果窗口】"
//定义全局变量
Mat g_srcImage, g_templateImage, g_resultImage;
int g_nMatchmethod;
int g_nMatTrackbarNum = 5;
//定义全局函数
void on_Matching(int, void*);
int main(int argc,char** argv)
{
  //【1】载入原图像和模块板
  g_srcImage = imread("E:\\进度\\11-16\\模板匹配\\1.jpg",1);
  g_templateImage = imread("E:\\进度\\11-16\\模板匹配\\2.jpg",1);
  //【2】创建窗口
  namedWindow(WINDOW_NAME1,WINDOW_AUTOSIZE);
  namedWindow(WINDOW_NAME2, WINDOW_AUTOSIZE);
  //【3】创建滑动条并进行初始化
  createTrackbar("方法",WINDOW_NAME1,&g_nMatchmethod,g_nMatTrackbarNum,on_Matching);
  on_Matching(0,0);
  waitKey(0);
  return 0;
}
//回调函数
void on_Matching(int, void*)
{
  //【1】 给局部变量初始化
  Mat srcImage;
  g_srcImage.copyTo(srcImage);
  //【2】初始化用于结果输出的矩阵
  int resultImage_cols = g_srcImage.cols - g_templateImage.cols + 1;
  int resultImage_rows = g_srcImage.rows - g_templateImage.rows + 1;
  g_resultImage.create(resultImage_cols,resultImage_rows,CV_32FC1);
  //【3】进行模板匹配
  matchTemplate(g_srcImage,g_templateImage,g_resultImage,g_nMatchmethod);
  normalize(g_resultImage,g_resultImage,0,1,NORM_MINMAX);
  //【4】通过函数minMaxLoc 定位最匹配的位置
  double minvalue, maxValue;
  Point minLocation, maxLocation, MatLocation;
  minMaxLoc(g_resultImage,&minvalue,&maxValue,&minLocation,&maxLocation);
  
  //【5】对于方法SQDIFF和SQDIFF_NORMED越小值有着更高的匹配结果,而其余的方法,数值越大匹配效果越好。
  if (g_nMatchmethod == TM_SQDIFF || g_nMatchmethod == TM_SQDIFF_NORMED)
  {
    MatLocation = minLocation;
  }
  else
  {
    MatLocation = maxLocation;
  }
  //【6】绘制出矩阵,并显示最终结果
  rectangle(srcImage, MatLocation, Point(MatLocation.x + g_templateImage.cols, MatLocation.y + g_templateImage.rows), Scalar(0, 0, 255), 2, 16);
  rectangle(g_resultImage, MatLocation, Point(MatLocation.x + g_templateImage.cols, MatLocation.y + g_templateImage.rows), Scalar(0, 0, 255), 2, 16);
  imshow(WINDOW_NAME1,srcImage);
  imshow(WINDOW_NAME2,g_resultImage);
}

运行结果如下图:


通过对匹配方法的各个结果对比发现,归一化的匹配方法(2和3)在大多数情况下都会有好的结果,特别是室外环境的图像。相关系数方法的匹配效果更好,但是计算时间代价高。在实际的应用中,尤其是通过摄像头进行自动部件的检测或者特征跟踪,应该尝试使用所有的方法,从中找到一个同时兼顾效率和准确率的方法。

相关文章
|
3天前
|
编译器 开发工具 C语言
配置C++的学习环境
这篇教程介绍了学习C++语言所需的环境配置和软件选择。首先,你需要一个文本编辑器(如Visual Studio Code、Visual Studio、Vim、Emacs或Eclipse)和一个C++编译器(如GCC)。在不同操作系统上安装GCC的方法包括:在Linux或UNIX上使用命令行检查或安装GCC,在Mac OS X上通过Apple的Xcode,而在Windows上则需要安装MinGW。教程还提供了使用Visual Studio创建和编译C++程序的步骤。最后,文章简述了g++编译器的使用及其常用命令选项。
10 0
|
2天前
|
编译器 C语言 C++
从C语言到C++_21(模板进阶+array)+相关笔试题(下)
从C语言到C++_21(模板进阶+array)+相关笔试题
14 2
|
2天前
|
编译器 C语言 C++
从C语言到C++_21(模板进阶+array)+相关笔试题(上)
从C语言到C++_21(模板进阶+array)+相关笔试题
13 0
|
6天前
|
存储 算法 C++
高效利用C++ STL库:标准模板库的使用技巧
本文介绍了C++ STL(标准模板库)的高效使用技巧,包括选择合适的容器类型、使用`emplace_back`而非`push_back`、预分配容器空间和范围for循环遍历容器。此外,还讨论了STL算法的运用,如用算法替代手动循环、使用lambda表达式和进行容器操作。通过这些技巧,开发者可以提升C++代码的性能和可读性。
|
6天前
|
程序员 编译器 C++
C++中的模板与泛型编程技术深度解析
C++中的模板与泛型编程技术深度解析
|
6天前
|
存储 算法 程序员
C++模板编程与泛型技术探秘
这篇文章探讨了C++中的模板编程和泛型技术,这两种技术增强了代码复用和抽象能力。文章介绍了函数模板和类模板的概念,通过示例展示了如何定义和使用它们。泛型技术是一种编程范式,强调编写与类型无关的代码,提高代码复用性和灵活性。C++11后的版本通过类型萃取和变长模板参数进一步扩展了模板功能。模板和泛型广泛应用在数据结构、算法、库和框架的开发中,如STL。掌握这些技术有助于编写更高效、灵活的代码,并推动软件开发的创新和进步。
|
9天前
|
编译器 C++
【C++】模板进阶 -- 详解
【C++】模板进阶 -- 详解
|
9天前
|
编译器 C++ 容器
C++模板的原理及使用
C++模板的原理及使用
|
9天前
|
编译器 程序员 C语言
【C++】模板初阶 -- 详解
【C++】模板初阶 -- 详解
|
9天前
|
算法 编译器 C语言
从C语言到C++⑩(第四章_模板初阶+STL简介)如何学习STL(下)
从C语言到C++⑩(第四章_模板初阶+STL简介)如何学习STL
16 0