模板匹配（template matching）

原理

• 什么是模板匹配？
  你有一副原图像，还有一小块模板（很小的图像，有可能来源于原图像），通过模板找出原图中和模板相似的位置。
• 如何实现匹配？
  原图(I)：我们需要在上面找到和模板匹配的图像
  模板(T)：一小块图像，是我们需要在原图中找到和它相似的区域位置的图像
  方法：一直用模板在原图上进行移动，从左到右，从上到下，每移动一个像素，便去在模板区域内计算 “一种度量（度量）”，然后将"度量"结果存到Mat 对象中，最大值（或者最小值，根据计算方法不同）的位置，就是原图中最佳的匹配位置
  
  

---

代码

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

using namespace cv;
using namespace std;

const char* src_window = "src";
const char* image_window = "ResultInSrc";
const char* pathch_window = "template";
const char* result_wimdow = "ResulIntMatch";

Mat image,temp;

int method = 0;
#define MAX_METHOD 5

void Mathching(int, void*);

int main(void)
{
    image = imread("../res/image.jpg",cv::IMREAD_COLOR);
    temp = imread("../res/template.jpg",IMREAD_COLOR);

    if(image.empty() || temp.empty())
    {
	cout << "can't load the image" << endl;
    }

    namedWindow(src_window,cv::WINDOW_AUTOSIZE);
    namedWindow(pathch_window,WINDOW_AUTOSIZE);

    const 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, src_window, &method, MAX_METHOD, Mathching); //选择匹配方法


    imshow(pathch_window, temp);
    imshow(src_window,image);
    Mathching(0,0);

    waitKey();

	return 0;
};


void Mathching(int, void*)
{
    int result_cols = image.cols-temp.cols+1;
    int result_rows = image.rows-temp.rows+1;

    Mat image_display ;  //copy原图，用来显示匹配结果
    image.copyTo(image_display);

    Mat result;
    result.create(result_rows,result_cols,CV_32FC1);

    cv::matchTemplate(image, temp, result,method); //进行匹配
    normalize(result,result,0,1,NORM_MINMAX, -1,Mat()); //归一化

    double minValue, maxValue; Point minLoc, maxLoc; Point matchLoc;
    cv::minMaxLoc(result,&minValue, &maxValue, &minLoc, &maxLoc,Mat()); //在结果中找最大和最小值 和他们位置

    if(method == cv::TM_SQDIFF || method == cv::TM_CCORR_NORMED) //这两种匹配方法，最小值才是最佳匹配
	matchLoc = minLoc;
    else
	matchLoc = maxLoc;

//将匹配在原图和结果中画出来
    cv::rectangle(image_display, matchLoc,Point(matchLoc.x+temp.cols,   matchLoc.y+temp.rows),Scalar::all(0),2,8,0);
    cv::rectangle(result, matchLoc,Point(matchLoc.x+temp.cols, matchLoc.y+temp.rows),Scalar::all(0),2,8,0);

    imshow(image_window, image_display);
    imshow(result_wimdow,result);
}

结果：

只有在第5种方法的时候才得到很好的匹配，其他都效果不好

---

OpenCV API

1. 模板匹配，返回匹配结果（存在result中）
   void cv::matchTemplate
   (
   InputArray image,     // 输入图像，必须是8位或者32float型
   InputArray templ,    //模板，不能大于输入图像，且和它具有相同的数据类型
   OutputArray result,    // 输出结果，必须是单通道的32位float类型，输入：W$\times$H,模板：w$\times$h，结果：$W-w+1,H-h+1$，每个点代表的不是模板在原图的中心，而是左上
   int method,    // 使用匹配的方法，见下面
   InputArray mask = noArray()     
   )
   
   
   
   

2. 在一副图像中找全局最大和最小值和他们的位置
   void cv::minMaxLoc
   (
   InputArray src,    // 输入的单通道的图像
   double * minVal,    // 指向最小值，如果不需要填NULL
   double * maxVal = 0,    //指向最大值如，果不需要填NULL
   Point * minLoc = 0,    //指向最小值的位置，如果不需要填NULL
   Point * maxLoc = 0,    //指向最大值的位置，如果不需要填NULL
   InputArray mask = noArray()     //掩膜，用来选择子区域
   )