我的其他文章

AKAZE 局部特征匹配
级联分类器使用
等比例缩放图片
给图片加logo
鱼眼校正
智能答卷识别
opencv滤镜效果
灰度图像增强方式

更多文章正在写作过程中。

基础知识点

模板匹配意思就是找一副已经存在的图片，从其他图片中查找近似的图片，接下来我们准备两幅大图，一副小图

准备两幅大图，监控里面的截图并且时间不一样，角度也不一样
图片一

图片二

可以看出两幅图片是不一样的，由于摄像头角度偏摆，部分图片并不一样，角度也不一致

show me the code

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

int main()
{
	Mat img,img2, templ, result,result2;
	img = imread("./big.jpg");
	img2 = imread("./big2.jpg");

	templ = imread("./temp.jpg");
	imshow("t1", templ);
	int result_cols = img.cols - templ.cols + 1;
	int result_rows = img.rows - templ.rows + 1;
	result.create(result_cols, result_rows, CV_32FC1);

	//matchTemplate(img, templ, result, TM_SQDIFF_NORMED);//这里我们使用的匹配算法是标准平方差匹配 method=CV_TM_SQDIFF_NORMED，数值越小匹配度越好
	matchTemplate(img, templ, result, TM_CCOEFF_NORMED);//数值越小匹配度越好
	matchTemplate(img2, templ, result2, TM_CCOEFF_NORMED);//数值越小匹配度越好

	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(result2, result2, 0, 1, NORM_MINMAX, -1, Mat());
	double minVal = -1;
	double maxVal;
	Point minLoc;
	Point maxLoc;
	Point matchLoc;
	//cout << "匹配度：" << minVal << endl;
	minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
	cout << "匹配度 min:" << minVal<<" max:" <<maxVal<< endl;
	//matchLoc = minLoc;
	matchLoc = maxLoc;
	rectangle(img, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar(0, 255, 0), 2, 8, 0);

	imshow("img", img);


	minMaxLoc(result2, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
	cout << "匹配度 min:" << minVal << " max:" << maxVal << endl;
	matchLoc = maxLoc;
	rectangle(img2, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar(0, 255, 0), 2, 8, 0);
	imshow("img2", img2);
	waitKey(0);

	return 0;
}

执行

结果如下：

从两幅图片中都找到了匹配。

---first_example_shape_matching.hdev

模板匹配主要分三种，基于形状，基于相关性，基于灰度，主要掌握基于形状的模板匹配。基于形状的模板匹配主要分为创建边缘模板（create_shape_model）、创建边缘轮廓模板（create_shape_model_xld）该模板的输入参数为轮廓，两种都和算子find_shape_model一起使用。创建具有缩放比的模板（create_scaled_shape_model）和算子find_scaled_shape_model一起使用

1、get_image_pointer1(Image : : : Pointer, Type, Width, Height)

      返回指向图像的第一个通道的指针，根据输出类型并返回图像的宽和高

2、三种创建形状模板的算子

     1）create_shape_model创建边缘模板

      2）create_shape_model_xld创建边缘轮廓模板

Template ://参数为轮廓                  

 : NumLevels, 

AngleStart,

 AngleExtent, 

AngleStep, 

Optimization, 

Metric, 

Contrast, 

MinContrast : 

ModelID)

     3)create_scaled_shape_model创建具有缩放比的模板

        Template : : 

NumLevels, 

AngleStart, 

AngleExtent, 

AngleStep, 

ScaleMin, //图像的最小比例

ScaleMax, //图像最大比列

ScaleStep, //一般设置为自动

Optimization, 

Metric, 

Contrast, 

MinContrast : 

ModelID) 创建可缩放的形状模板与create_shape_model相比只多了ScaleMin, ScaleMax, ScaleStep三个参数

   常见的创建形状模板的算子

3、查看模板和创建模板中的Contrast对比度为了提取边缘 

对称性和角度范围选择

                                                                                             如果模板匹配用于定位，则尽量不要选取对称的对象为模板  

4、模板匹配过程

                                                                                              图像金字塔

如果金子塔为4层，则将图像按比例缩小，分为4个等级，先用金子塔层数为4的模板去匹配按比例缩小的等级为 4的原图像，找到相应目标后，在这个基础上再用金字塔为3的模板去匹配缩小的等级为3的原图像，如此。。。。。。最后直到用金字塔最底层的模板去匹配原图像，找到对应目标。这种手法有利于提升匹配效率

5、如果彷射变换affine_trans_contour_xld 算子以get_shape_model_contours 输出参数ShapeModel 为输入对象，刚性仿射变换 vector_angle_to_rigid的Row,column,angel坐标参数为0，0，0 

           get_shape_model_contours (ShapeModel, ModelID, 1)                     

           vector_angle_to_rigid (0, 0, 0, RowCheck, ColumnCheck, AngleCheck, MovementOfObject)
           affine_trans_contour_xld (ShapeModel, ModelAtNewPosition, MovementOfObject)   

          自己做模板时，可以先创建一个模板，然后保持模板图像不动，利用find_shape_model算子在模板图像中找到相应模板并输出该图像的中心坐标位置，该位置即为模板的中心位置，仿射变换时可以以该位置为模板的中心位置 

           模板匹配时大多数情况下用CAD做模板                       

6、inspect_shape_model(Image : ModelImages, ModelRegions : NumLevels, Contrast : )

      查看模板的形状，需注意该算子输出的模板是一个骨架，骨架也是区域。常和算子gen_contours_skeleton_xld将骨架转轮廓一起使用，注意如果和gen_contours_region_xld将会输出不一样的效果

                                   输出的模板（骨架）                                                                    中间白色的线条为骨架转轮廓

                                                                                                    区域转轮廓