OpenCV 模板匹配 cv::matchTemplate
轉：http://blog.sina.com.cn/s/blog_b0935ba90102wy93.html
今天使用到opencv的matchTemplate運算元，查詢資料，學習了一下。
對官方資料進行翻譯註釋，加深理解，詳情可見：matchTemplate英文資料。
模板匹配
目的
在下文你將會了解到：
- 使用opencv的matchTemplate函式，在一個影象上搜索和輸入影象匹配的位置
- 使用opencv的minMaxLoc函式，在給定的序列中搜索最大和最小值（匹配的合適位置）
原理
什麼是模板匹配？
模板匹配是一個在給定的影象中查詢和模板影象相同（或者類似）的區域的技術。
工作原理？
- 需要兩基素：
a、原影象（I）：我們期待在這個影象上找到和模板影象的匹配
b、模板影象（T）：小塊的影象，用來比作模板影象
我們的目的是檢測高度匹配的區域：
- 為了確定匹配區域，我們需要在原影象上移動模板影象：
- 移動，是指在一個方向（左或右、上或下）上移動小塊影象。在每一個位置，代表匹配程度“好”或“壞”的矩陣會被計算出來（或者小塊影象和原影象的相似度）
- 對覆蓋影象I的影象T的每個位置，我們儲存方法在結果矩陣R中。每個位置（x, y）包含匹配結果：
上圖表示使用TM_CCORR_NORMED方法滑動小塊影象得到結果R。最亮的位置代表匹配度最高。正如縮減，紅色圓圈標記的區域是值最大的位置，因此這個位置（左亮點作為左上角，寬和高與小塊影象相同的矩形框的位置）認為是最佳匹配。
- 在實踐中，我們使用minMaxLoc函式在矩陣R中定位匹配度最高的值（或者最低的值，根據匹配方法而定）。
在opencv中存在哪些匹配方法？
OpenCv在matchTemplate函式中顯示了匹配方法，目前有6種方法：
程式碼
- 這個專案是做什麼的？
下載一個輸入影象和小塊影象（模板影象）
使用前面描述的matchTemplate函式的6種方法中的一種進行模板匹配過程。使用者可以通過滑動條選擇方法
歸一化匹配過程的輸出
通過最高匹配概率確定位置
在最高匹配率的位置處畫一個矩形框
- 下載程式碼：點選程式碼
- 程式碼一覽：
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include
#include
using namespace std;
using namespace cv;
/// Global Variables
Mat img; Mat templ; Mat result;
char* image_window = "Source Image";
char* result_window = "Result window";
int match_method;
int max_Trackbar = 5;
/// Function Headers
void MatchingMethod( int, void* );
int main( int argc, char** argv )
{
/// Load image and template
img = imread( argv[1], 1 );
templ = imread( argv[2], 1 );
/// Create windows
namedWindow( image_window, CV_WINDOW_AUTOSIZE );
namedWindow( result_window, CV_WINDOW_AUTOSIZE );
/// Create Trackbar
char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF\n 5: TM COEFF NORMED";
createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );
MatchingMethod( 0, 0 );
waitKey(0);
return 0;
}
void MatchingMethod( int, void* )
{
/// Source image to display
Mat img_display;
img.copyTo( img_display );
/// Create the result matrix
int result_cols = img.cols - templ.cols + 1;
int result_rows = img.rows - templ.rows + 1;
result.create( result_rows, result_cols, CV_32FC1 );
/// Do the Matching and Normalize
matchTemplate( img, templ, result, match_method );
normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
/// Localizing the best match with minMaxLoc
double minVal; double maxVal; Point minLoc; Point maxLoc;
Point matchLoc;
minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );
/// For SQDIFF and SQDIFF_NORMED, the best matches are lower values. For all the other methods, the higher the better
if( match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED )
{ matchLoc = minLoc; }
else
{ matchLoc = maxLoc; }
/// Show me what you got
rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
imshow( image_window, img_display );
imshow( result_window, result );
return;
}
解釋
1、宣告一些全域性變數，比如影象、模板、結果矩陣，還有匹配方法和視窗名字
Mat img; Mat templ; Mat result;
char* image_window = "Source Image";
char* result_window = "Result window";
int match_method;
int max_Trackbar = 5;
2、下載原影象和模板影象
img = imread( argv[1], 1 );
templ = imread( argv[2], 1 );
3、建立視窗顯示結果
namedWindow( image_window, CV_WINDOW_AUTOSIZE );
namedWindow( result_window, CV_WINDOW_AUTOSIZE );
4、建立滑動條輸入用到的匹配方法，修改時呼叫回到函式MatchingMethod
char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );
5、等待直至退出程式
waitKey(0);
return 0;
6、檢測毀掉函式。首先，對原影象進行拷貝
Mat img_display;
img.copyTo( img_display );
7、其次，建立一個儲存每個模板位置匹配結果的矩陣。詳細觀察結果矩陣的大小（匹配合適的位置）
int result_cols = img.cols - templ.cols + 1;
int result_rows = img.rows - templ.rows + 1;
result.create( result_rows, result_cols, CV_32FC1 );
8、執行匹配執行
matchTemplate( img, templ, result, match_method );
引數包括輸入影象I、模板T、結果R和匹配方法（由滑動條給出）
9、歸一化結果
normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
10、用minMaxLoc找到結果R的最大和最小值
double minVal; double maxVal; Point minLoc; Point maxLoc;
Point matchLoc;
minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );
函式呼叫系列引數：
result:源陣列
&minVal和&maxVal:在result中儲存最大和最小值的變數
&minLoc和&maxLoc:儲存最大和最小值的位置點
Mat():可選
11、前兩種方法（CV_SQDIFF和CV_SQDIFF_NORMED）的最佳匹配是最小值。其他的，最大值代表最佳匹配。因此，可以在matchLoc中儲存相應的值
if( match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED )
{ matchLoc = minLoc; }
else
{ matchLoc = maxLoc; }
12、顯示源影象和結果矩陣。在匹配率最高的位置畫一個矩形框
rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ),Scalar::all(0), 2, 8, 0 );
rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ),Scalar::all(0), 2, 8, 0 );
imshow( image_window, img_display );
imshow( result_window, result );
結果
1、用一副影象測試程式：
模板影象
生成如下的結果矩陣（第一行是標準方法SQDIFF,CCORR和CCOEFF，第二行是相同方法，使用歸一版本），第列，最黑的是最佳匹配，其他列是位置最亮的位置是最佳匹配
3、下列顯示了最佳匹配（右側人的黑色框標記的臉部）。注意CCORR和CCDEFF給了錯誤的匹配，但是他們的歸一化版給了正確的，可能是我們只是關注了“最高匹配”而不是其他合適的匹配方法。
注：CV_TM_SQDIFF平方差匹配 CV_TM_SQDIFF_NORMED CV_TM_CCORR相關匹配 (這三種Method的匹配效果不佳)； CV_TM_CCORR_NORMED CV_TM_CCOEFF CV_TM_CCOEFF_NORMED (這三種Method的匹配效果完美)