opencvmatchTemplate模板匹配(大图中寻找小图)

单个匹配

11.png

 12.png

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

int main(int argc, char** argv) {
    
    cv::Mat src = cv::imread("D:/bb/tu/11.png");
    cv::Mat templ = cv::imread("D:/bb/tu/12.png");
    cv::Mat ftmp;
    cv::matchTemplate(src, templ, ftmp,5);   //模板匹配
    /*
    参数1:src用于搜索的输入图像, 8U 或 32F, 大小 W-H
    参数2:用于匹配的模板，和src类型相同， 大小 w-h
    参数3:匹配结果图像, 类型 32F, 大小 (W-w+1)-(H-h+1)
    参数4:用于比较的方法(有六种)
          cv::TM_SQDIFF=0 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
          cv::TM_SQDIFF_NORMED=1：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
          cv::TM_CCORR=2：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  【个人测试：匹配性很差】
          cv::TM_CCORR_NORMED=3：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
          cv::TM_CCOEFF=4：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
          cv::TM_CCOEFF_NORMED=5：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
    */

    std::cerr << cv::TM_CCOEFF_NORMED << std::endl;

    normalize(ftmp, ftmp, 1, 0, cv::NORM_MINMAX);//可以不归一化
    double minVal; double maxVal;
    cv::Point minLoc; 
    cv::Point maxLoc;
    minMaxLoc(ftmp, &minVal, &maxVal, &minLoc, &maxLoc); //找到最佳匹配点
    //从匹配结果图像中找出最佳匹配点
    rectangle(src, cv::Rect(maxLoc.x, maxLoc.y, templ.cols, templ.rows), cv::Scalar(0, 0, 255), 2, 8);//画出匹配到的矩形框
    //注意：与方法有关，有的是最小值是最佳匹配；有的是最大值是最佳匹配

    cv::imshow("src", src);
    cv::waitKey();
    return 0;
}

多个匹配

13.png

 14.png

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


int main(int argc, char** argv) {
    
    cv::Mat src = cv::imread("D:/bb/tu/13.png");
    cv::Mat tem = cv::imread("D:/bb/tu/14.png");

    cv::Mat resultImage;
    matchTemplate(src, tem, resultImage, 5);//模板匹配

    /*
    我寻找多个匹配的思路：
    matchTemplate之后，resultImage中保存了匹配相似度
    匹配方法是cv::TM_CCOEFF_NORMED=5，值越大，相似度越高
    相似度大于0.97，我就认为匹配非常好，所以我要遍历出相似度
    大于0.97的坐标
    */

    std::vector<cv::Point> point;
    for (int i = 0; i < resultImage.rows; i++) {  //i是行号
        for (int j = 0; j < resultImage.cols; j++) {  //j是列号
            float t = resultImage.at<float>(i, j); //返回指点坐标的数据
            if (t > 0.97) {
                point.insert(point.end(), cv::Point(j,i));
            }
            
        }
    }
    
    //画出多个匹配
    for (int i = 0; i < point.size(); i++)
    {
        rectangle(src, cv::Rect(point[i].x, point[i].y, tem.cols, tem.rows), cv::Scalar(0, 0, 255), 2, 8);
    }

    cv::imshow("src", src);
    cv::waitKey();
    return 0;
}