opencv模板匹配

模板匹配是一種用於在源影象s中尋找定位給定目標影象t（即模板影象）的技術。其原理很簡單，就是通過一些相似度準則來衡量兩個影象塊之間的相似度similarity(s,t)。

2. 用途

模板匹配方法常用於一些平面影象處理中，例如印刷中的數字、工業零器件等小尺寸目標影象識別分類。

3. 方法

模板匹配中，源影象和模板影象可以是二值影象、灰度影象、彩色影象。

一般而言，模板匹配有兩種使用場景：

1）如果源影象s與模板影象t大小（高和寬）一致，則直接使用相似度計算公式對這兩個影象進行相似度計算。

2）如果源影象s的size大於模板影象t，則在s中匹配t時，需要滑動匹配視窗（即模板影象的大小），計算模板影象與該視窗對應的影象區域之間的相似度。對整張s影象滑動完後，得到多個匹配結果。這裡，有兩種方式獲取匹配結果。一種是返回所有匹配結果中的最佳匹配結果（最小值或最大值，依相似度計算方式而定）。另一種，是設定乙個閾值，大於或小於該閾值的匹配結果都認為是有效的匹配。

例如，如圖1所示，想要在大圖中定位到小圖（小狗的頭部），使用模板匹配時的滑動過程如圖2所示：

滑動完整張大圖後，得到一張包含所有匹配結果的圖，如圖3所示。圖3中的乙個畫素位置代表了一次模板匹配的結果。

4. 模板匹配中常用的相似度計算方法有：

1）square difference matching method (method = cv_tm_sqdiff) 平方差

2）correlation matching methods (method = cv_tm_ccorr) 互相關

3）correlation coefficient matching methods (method = cv_tm_ccoeff) 相關係數

4）上述三種方法的歸一化形式（目的是為了減少光照的影響）

上述方法，opencv中都有實現。另外，除上述opencv實現了的方法外，還有一些相似度衡量方法，包括：

5）sum of absolute difference sad 絕對差值

6）match pixel count mpc 匹配成功點數

5. 模板匹配方法的優缺點：

優點：簡單、直接

缺點：不具有旋轉不變性、不具有尺度不變性

5. opencv中的模板匹配例項**：

[cpp]view plain

copy

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include

using

namespace

std;

using

namespace

cv;

/// 全域性變數

mat img; mat templ; mat result;

char

* image_window =

"source image"

; char

* result_window =

"result window"

; int

match_method;

intmax_trackbar = 5;

/// 函式宣告

void

matchingmethod(

int,

void

* );

intmain(

intargc,

char

** argv )

// 模板匹配

void

matchingmethod(

int,

void

* )

else

// 顯示匹配結果

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 );

}

opencv模板匹配

OpenCV模板匹配

模板匹配opencv

opencv 模板匹配

opencv模板匹配

OpenCV模板匹配

模板匹配opencv

opencv 模板匹配

相關推薦