《OpenCV3编程入门》读书笔记--OpenCV的matchTemplate()函数详解

模板匹配顾名思义，就是在图像中找到与模板最为匹配的那块区域，注意使用matchTemplate函数时，如果原图尺寸为（WxH），模板尺寸为（wxh），则输出矩阵的尺寸为（W-w+1，H-h+1）。OpenCV中有6中匹配方法可供我们选择，其中对于方法SQDIFF和方法SQDIFF_NORMED来说，越小的数值有着越好的匹配效果，其他方法相反。

以下示例代码的思想是利用一个滚动条选择不同的方法进行模板匹配，然后使用minmaxLoc函数找到最为匹配的位置，以模板尺寸为基准绘制矩形标记出匹配部分。

#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;

//全局变量
Mat g_srcImage, g_templateImage, g_resultImage;
int g_iMatchMethod;
const int g_iMaxMethods = 5;

//回调函数
void on_Matching(int, void*);

//主函数
int main()
{
	//读取图片和模板
	g_srcImage = imread("1.jpg");
	g_templateImage = imread("2.jpg");

	//创建显示窗口
	namedWindow("【原图】");
	namedWindow("【效果图】");

	//创建滑动条并初始化
	createTrackbar("效果:", "【效果图】", &g_iMatchMethod, g_iMaxMethods, on_Matching);
	on_Matching(0, 0);

	//等待按键按下
	waitKey(0);
	return 0;
}

void on_Matching(int, void *)
{
	//创建输出矩阵
	int result_cols = g_srcImage.cols - g_templateImage.cols + 1;
	int result_rows = g_srcImage.rows - g_templateImage.rows + 1;
	g_resultImage.create(result_cols, result_rows, CV_32FC1);

	//进行模板匹配和标准化
	matchTemplate(g_srcImage, g_templateImage, g_resultImage, g_iMatchMethod, Mat());
	normalize(g_resultImage, g_resultImage, 0, 1, NORM_MINMAX, -1, Mat());

	//利用minmaxLoc函数寻找最佳匹配点
	double minValue, maxValue;
	Point minLocation, maxLocation, matchLocation;
	minMaxLoc(g_resultImage, &minValue, &maxValue, &minLocation, &maxLocation, Mat());

	//对于方法SQDIFF和SQDIFF_NORMED方法，越小的值有越高的匹配精度
	if (g_iMatchMethod == TM_SQDIFF || g_iMatchMethod == TM_SQDIFF_NORMED)
	{
		matchLocation = minLocation;
	}
	else
	{
		matchLocation = maxLocation;
	}

	//绘制矩形标记匹配区域
	rectangle(g_srcImage, matchLocation, Point(matchLocation.x + g_templateImage.cols, matchLocation.y + g_templateImage.rows), Scalar(0,0,255),2, 8, 0);
	rectangle(g_resultImage, matchLocation, Point(matchLocation.x + g_templateImage.cols, matchLocation.y + g_templateImage.rows),Scalar(0,0,255), 2, 8, 0);

	//显示效果图
	imshow("【原图】", g_srcImage);
	imshow("【效果图】", g_resultImage);
}

效果图如下