【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】

简介: 【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】

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。利用给定的已知模板与待匹配的图像或数组计算匹配度,以达到寻找目标的目的。模板可以是矩形块也可以是一维数组,如果模板是一个矩阵,一般待匹配的数据也矩阵,如果模板是一个一维数据,那么待匹配的数据也最好是一维数据。模板匹配在图像处理中应用较为广泛,如通过设置匹配度的阈值用在异常检测中,通过阈值设定寻找给定的目标等等。

前言

越来越多的开发人员选择基于开源的Qt框架与OpenCV来实现界面和算法,其原因不单单是无版权问题,更多是两个社区的发展蓬勃,可用来学习的资料与例程特别丰富。以下是关于利用Qt构建GUI并使用OpenCV中的matchTemplate/minMaxLoc函数进行图像的模板匹配。

软件版本:Qt-5.12.0/OpenCV-4.5.3

平台:Windows10/11–64


一、函数介绍

1、matchTemplate

函数原型

cv::matchTemplate(InputArray image, InputArray templ, OutputArray result, int method );

参数解释

image:是输入图像,一般是Mat类数组;

templ:是模板数据,一般也是Mat类数组,长宽必须小于输入图像image的长宽;

result:是输出结果,大小为(w1-w2+1,h1-h2+1),其中w1为输入图像image的宽,w2为模板的宽,h1为输入图像image的高,h2为模板的高;

method:是模板匹配的匹配计算方式,可设置的参数有:


TM_SQDIFF:平均差匹配法

TM_SQDIFF_NORMED:归一化平均差匹配法

TM_CCORR:相关匹配法

TM_CCORR_NORMED:归一化相关匹配法

TM_CCOEFF:系数匹配法

TM_CCOEFF_NORMED:归一化系数匹配法

2、minMaxLoc

函数原型

cv::minMaxLoc(const SparseMat& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0);


参数解释:

src:输入单通道数组(图像);

minVal:返回最小值的指针,若无须返回,此值置为NULL;

maxVal:返回最大值的指针,若无须返回,此值置为NULL;

minLoc:返回最小位置的指针(二维情况下),若无须返回,此值置为NULL;

maxLoc:返回最大位置的指针(二维情况下),若无须返回,此值置为NULL;

mask:用于选择子阵列的可选掩膜;

二、演示

1、GUI

如上图创建Method的QComboBox控件进行选择,Template的PushButton按钮选择掩膜,Match的PushButton按钮执行,对当前窗口的图像进行模板检测,并输出状态信息。

2、代码实现

matchBtn的clicked()槽函数的实现代码如下:

void MainWindow::on_matchBtn_clicked()
{
    std::size_t numView = ui->tabWidget->currentIndex() % 3;
    if (dispMat[numView]->empty())
    {
        outputInfo(2, tr("Please make sure the Mat exist!"));
        return;
    }

    QString fileName = ui->templateLineEdit->text();
    cv::Mat templateMat;

    if (!fileName.isEmpty())
    {
        templateMat = cv::imread(fileName.toStdString());
        if (templateMat.empty())
        {
            outputInfo(2, tr("Please make sure the template exist."));
            return;
        }
        else
        {
            outputInfo(1, tr("Template Mat success."));
        }
    }
    else
    {
        outputInfo(2, tr("Please make sure the template file name exist."));
        return;
    }

    *tmpMat = dispMat[numView]->clone();
    int matchMethod = ui->matchCombo->currentIndex();
    int resultCols = tmpMat->cols - templateMat.cols + 1;
    int resultRows = tmpMat->rows - templateMat.rows + 1;

    cv::Mat resultMat = cv::Mat::zeros(resultCols, \
                                       resultRows, \
                                       tmpMat->type());
    double startTime = static_cast<double>(cv::getTickCount());
    cv::matchTemplate(*tmpMat, templateMat, resultMat, matchMethod);
    cv::normalize(resultMat, resultMat, 0, 1, cv::NORM_MINMAX, -1, \
                  cv::Mat());
    double timeCost = (static_cast<double>(cv::getTickCount()) - \
                       startTime) / cv::getTickFrequency();
    QString costTime = "Cost time: " + QString::number(timeCost);
    outputInfo(1, costTime);

    double minVal, maxVal;
    cv::Point maxLoc, minLoc, matchLoc;
    cv::minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, cv::Mat());

    /*
    if (matchMethod < 2)
    {
        matchLoc = minLoc;
    }
    else
    {
        matchLoc = maxLoc;
    }
    */

    matchLoc = (matchMethod < 2) ? minLoc : maxLoc;
    cv::rectangle(*tmpMat, matchLoc, \
                  cv::Point(matchLoc.x + templateMat.cols, \
                            matchLoc.y + templateMat.rows), \
                  cv::Scalar::all(0), 2, 8, 0);



    if (ui->matchChkBox->isChecked())
    {
        *dispMat[numView] = tmpMat->clone();
        cvtMatPixmap(dispMat, dispPixmap, numView);
    }
    else
    {
        if (tmpMat->channels() == 3)
        {
            QImage tmpImage = QImage(tmpMat->data, tmpMat->cols,tmpMat->rows, \
                         static_cast<int>(tmpMat->step), \
                         QImage::Format_RGB888);
            dispPixmap[numView]->setPixmap(QPixmap::fromImage(tmpImage.rgbSwapped()));
        }
        else
        {
            QImage tmpImage = QImage(tmpMat->data, tmpMat->cols,tmpMat->rows, \
                         static_cast<int>(tmpMat->step), \
                         QImage::Format_Grayscale8);
            dispPixmap[numView]->setPixmap(QPixmap::fromImage(tmpImage.rgbSwapped()));
        }

    }
    outputInfo(1, tr("Match done."));

    std::stringstream tmpStream;
    std::streambuf* coutBuf = std::cout.rdbuf();
    std::cout.rdbuf(tmpStream.rdbuf());
    std::cout << " matchLoc: " << matchLoc << std::endl;
    std::string matchLocString(tmpStream.str());
    std::cout.rdbuf(coutBuf);
    QString matchLocInfo = QString::fromStdString(matchLocString);

    int x = matchLoc.x;
    int y = matchLoc.y;
    ui->matchLineEdit->setText(QString::number(x) + "," \
                               + QString::number(y) + "," \
                               + QString::number(templateMat.cols + x) + "," \
                               + QString::number(templateMat.rows + y));
    outputInfo(1, matchLocInfo);
}

总结

以上是关于利用Qt进行GUI构建并使用OpenCV中的matchTemplate/minMaxLoc函数进行图像的模板匹配。

目录
相关文章
|
5天前
|
机器学习/深度学习 XML 计算机视觉
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
|
29天前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
26 1
|
13天前
|
机器学习/深度学习 人工智能 计算机视觉
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
|
29天前
|
存储 编解码 算法
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
35 0
|
1月前
|
计算机视觉
OpenCV中图像算术操作与逻辑操作
OpenCV中图像算术操作与逻辑操作
37 1
|
1月前
|
计算机视觉
OpenCV图像二值化
OpenCV图像二值化
|
1月前
|
存储 Cloud Native Linux
OpenCV图像翻转和旋转
OpenCV图像翻转和旋转
|
1月前
|
存储 Cloud Native Linux
OpenCV鼠标操作(画红色方框截取图像)
OpenCV鼠标操作(画红色方框截取图像)
|
1月前
|
计算机视觉
OpencV图像几何形状绘制
OpencV图像几何形状绘制
|
1月前
|
计算机视觉
OpenCV图像像素值统计
OpenCV图像像素值统计