《OpenCV》七，模板匹配matchTemplate()

模板匹配是一项在一副图像中寻找与另一副模板图像最匹配(相似)部分的技术。在OpenCV2和OpenCV3中，模板匹配由MatchTemplate()函数完成。需要注意，模板匹配不是基于直方图的，而是通过在输入图像上滑动图像块，对实际的图像块和输入图像进行匹配的一种匹配方法。

实现模板匹配：matchTemplate()函数

matchTemplate()用于匹配出和模板重叠的图像区域。
void matchTemplate(InputArray image, InputArray temp1,OutputArray result,int method)

• 第一个参数，InputArray类型的image，待搜索的图像，且需位8位或32位浮点型图像。
• 第二个参数，InputArray类型的temp1，搜索模板，需和源图片有一样的数据类型，且尺寸不能大于源图像。
• 第三个参数，OutputArray类型的result，比较结果的映射图像。其必须为单通道、32位浮点型图像。如果图像尺寸是WxH而temp1尺寸是wxh，则 此参数result一定是(W-w+1)x(H-h+1)。
• 第四个参数，int类型的method，指定的匹配方法，OpenCV为我们提供了6种匹配方法。

1. 平方差匹配法 method=TM_SQDIFF

2. 归一化平方差匹配法 method=TM_SQDIFF_NORMED

3. 相关匹配法 method=TM_CCORR

4. 归一化相关匹配法 method=TM_CCORR_NORMED

5. 系数匹配法 method=TM_CCOEFF

6. 归一化相关系数匹配法 method=TM_CCOEFF_NORMED

   通常，随着从简单的测量(平方差)到复杂的测量(相关系数)，我们可获得越来越准确的匹配。然而，这同时也会以越来越大的计算量为代价。比骄科学的方法是对所有这些方法多次测试实验，以便为自己的应用选择同时兼顾速度和精度的最佳方案。

演示代码如下

//#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/opencv.hpp> 
#include <iostream> 
//#include <direct.h>
using namespace cv;
using namespace std;
#define WINDOW_NAME1 "【原始图片】"
#define WINDOW_NAME2 "【效果图片】"

//全局变量的声明
Mat g_srcImage;
Mat g_templateImage;
Mat g_resultImage;
int g_nMatchMethod;
int g_nMaxTrackbarNum = 5;

//全局函数的声明
void on_Matching(int, void*);

int main()
{
    //[1]载入原图像和模板快
    g_srcImage = cv::imread("bin\\图片库\\Test1.jpg");//原图的分辨率是Rows:756,Cols:1008;
    g_templateImage = cv::imread("bin\\图片库\\Test2.jpg");

    //[2]创建窗口
    namedWindow(WINDOW_NAME1, CV_WINDOW_AUTOSIZE);
    namedWindow(WINDOW_NAME2, CV_WINDOW_AUTOSIZE);

    //[3]创建滑动条并进行一次初始化
    createTrackbar("方法",WINDOW_NAME1, &g_nMatchMethod, g_nMaxTrackbarNum, on_Matching);
    on_Matching(0, 0);

    waitKey(0);
    return 0;
}

//回调函数
void on_Matching(int,void*)
{
    //[1]给局部变量初始化
    Mat srcImage;
    g_srcImage.copyTo(srcImage);
    
    //[2]初始化用于结果输出的矩阵
    int resultImage_rows = g_srcImage.rows - g_templateImage.rows + 1;
    int resultImage_cols = g_srcImage.cols - g_templateImage.cols + 1;
    g_resultImage.create(resultImage_rows, resultImage_cols, CV_32FC1);

    //[3]进行匹配和标准化
    matchTemplate(g_srcImage, g_templateImage, g_resultImage, g_nMatchMethod);
    normalize(g_resultImage, g_resultImage, 0, 1, NORM_MINMAX, -1, Mat());

    //[4]通过函数minMaxLoc定位最匹配的位置
    double minValue;
    double maxValue;
    Point minLocation;
    Point maxLocation;
    Point matchLocation;
    minMaxLoc(g_resultImage, &minValue, &maxValue, &minLocation, &maxLocation, Mat());

    //[5]对于方法SQDIFF和SQDIFF_NORMAL，越小的数值有着更高的匹配结果。而其余的方法，数值越大匹配效果越好
    if (g_nMatchMethod == TM_SQDIFF || g_nMatchMethod == TM_SQDIFF_NORMED)
    {
        matchLocation = minLocation;
    }
    else
    {
        matchLocation = maxLocation;
    }

    //[6]绘制出矩形，并显示最终结果
    rectangle(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);
    imshow(WINDOW_NAME1, srcImage);
    imshow(WINDOW_NAME2, g_resultImage);
}

测试结果：（ 归一化相关系数匹配法 method=TM_CCOEFF_NORMED有较好的识别效果）