模板匹配(Template Match)

1、模板匹配概念；
2、API；
3、Code;

模板匹配（Template Match）

1、模板：一幅小的子图像，在大的图像（目标图像）中寻找与子图像相同或相似的部分，称为模板匹配；

2、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；
3、模板匹配首先需要一个模板图像T(给定的子图像)，还需要一个待检测的图像（S），在待检测图像（Target Image）上，从左到右，从上到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；

模板匹配算法

OpenCV中提供了6种常见的匹配算法：

1、计算平方不同；越小，越匹配（0–完全匹配）
2、计算相关性（Correlation）；越相关，值越大
3、计算相关系数；越大，越相似
4、计算归一化平方不同；
5、计算归一化相关性不同；（==1 ， 完全相关）
6、计算归一化相关系数；

对应的宏定义

TM_SQDIFF : 计算平方不同
TM_SQDIFF_NORMED :计算归一化平方不同
TM_CCORR : 计算相关性
TM_CCORR_NORMED : 计算归一化相关性
TM_CCOEFF : 计算相关系数
TM_CCOEFF_NORMED : 计算归一化相关系数

相关API

1、模板匹配API ： matchTemplate()
参数说明：
image : 源图像，必须是8bit或32bit浮点数图像；
templ : 模板图像，必须与输入图像一致；
result ： 必须是单通道32位浮点数，假定原图像大小 为$Width\times Height$，模板图像大小为$width\times height$，则输出图像大小必须是$(Width-width+1)\times (Height-height+1)$
method : 使用的匹配方法（宏定义，尽量使用归一化方法）

Code

#include <opencv2/opencv.hpp>
#include <iostream>

#include <math.h>

using namespace std;
using namespace cv;

Mat t1, src, dst;

int match_method = CV_TM_SQDIFF_NORMED;
int max_track = 5;

const char* INPUT = "input image";
const char* OUTPUT = "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("C:\\Users\\hello\\Desktop\\20.jpg");
	//模板图像
	t1 = imread("C:\\Users\\hello\\Desktop\\50.jpg");
	if (src.empty() || t1.empty())
	{
   
		cout << "could not load the image..." << endl;
		return -1;
	}
	namedWindow(INPUT, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT, WINDOW_AUTOSIZE);
	namedWindow(match_t, WINDOW_AUTOSIZE);
	imshow(INPUT, src);
	imshow("template image", t1);
	createTrackbar("Template Match Method:", INPUT, &match_method, max_track, Match_Demo);
	Match_Demo(0, 0);


	waitKey(0);
	return 0;
}

void Match_Demo(int, void*)
{
   
	//实现模板匹配
	
	int width = src.cols - t1.cols + 1;
	int height = src.rows - t1.rows + 1;
	Mat result(height,width,CV_32FC1);
	//result.create(height, width, CV_32FC1);
	//调用模板匹配
	matchTemplate(src, t1, result, match_method, Mat()); //从滑动条中获取值
	//最后得到的图片不再0-1之间，需要对图像归一化 求取模板匹配中的最大最小值，与哪些位置匹配
	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
		
	//找出最小值与最大值匹配的位置
	Point minLoc;
	Point maxLoc;
	double min, max;
	minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());

	//将位置绘制出来
	src.copyTo(dst);
	Point tempLoc;
	if (match_method == CV_TM_SQDIFF_NORMED || match_method == CV_TM_SQDIFF_NORMED)
	{
   
		tempLoc = minLoc;
	}
	else
	{
   
		tempLoc = maxLoc;
	}
	//绘制矩形
	rectangle(dst, Rect(tempLoc.x, tempLoc.y, t1.cols, t1.rows), Scalar(0, 0, 255), 2, LINE_AA);
	rectangle(result, Rect(tempLoc.x, tempLoc.y, t1.cols, t1.rows), Scalar(0, 0, 255), 2, LINE_AA);

	imshow(OUTPUT, result);
	imshow(match_t, dst);
}

效果

原图像，模板图像，模板匹配输出图像分别如下：
注意：OpenCV提供的6种算法需要自行判断适应性，有的算法适应性不好，对某些模板检测会出现错误的情况，属于算法本身的缺陷；有的算法则不会出现这种情况；