说明

直接使用别人的opencv代码，多是只找出最匹配的轮廓，但是有时候我么需要找出多个，那就需要稍微进行一点点操作，把已经找到的排除在外，接着找。

函数代码

bool cvMatch(cv::Mat &Temp, string Filename,string ownname)
{
    if (Temp.empty())return false;
    if (Filename.empty())return false;
    cv::Mat img1 = imread(Filename);//cv::imread(sPath + "\\car_1.jpg");
    cv::Mat img2 = Temp;//cv::imread(sPath + "\\Temp\\car_1_temp.jpg");

    //步骤二：创建一个空画布用来绘制匹配结果
    cv::Mat dstImg;
    dstImg.create(img1.dims, img1.size, img1.type());
    //cv::imshow("createImg", dstImg);

    //步骤三：匹配，最后一个参数为匹配方式，共有6种，详细请查阅函数介绍
    cv::matchTemplate(img1, img2, dstImg, 0);

    //步骤四：归一化图像矩阵，可省略
    cv::normalize(dstImg, dstImg, 0, 1, 32);

    //步骤五：获取最大或最小匹配系数
    //首先是从得到的 输出矩阵中得到 最大或最小值（平方差匹配方式是越小越好，所以在这种方式下，找到最小位置）
    //找矩阵的最小位置的函数是 minMaxLoc函数
    cv::Point minPoint;
    cv::Point maxPoint;
    double* minVal = 0;
    double* maxVal = 0;
    dstImg = 1 - dstImg;//翻转灰度
    cv::minMaxLoc(dstImg, minVal, maxVal, &minPoint, &maxPoint);


    //步骤六：开始正式绘制
    cv::rectangle(img1, maxPoint, cv::Point(maxPoint.x + img2.cols, maxPoint.y + img2.rows), cv::Scalar(0, 255, 0), 2, 8);

    //选出第二组
    cv::Mat Mask = cv::Mat::ones(dstImg.size(), CV_8UC1) * 255;//把已经找出来的区域给屏蔽掉，可以选择操作Mask,也可以直接在原图上操作
    for (size_t i = maxPoint.x - img2.cols / 2; i < maxPoint.x + img2.cols && i < Mask.cols; i++)
    {
        for (size_t j = maxPoint.y - img2.rows / 2; j < maxPoint.y + img2.rows && j < Mask.rows; j++)
        {
            Mask.at<uchar>(j, i) = 0;
        }
    }
    //正式选出第二组并绘制
    minVal = 0; maxVal = 0; minPoint -= minPoint; maxPoint -= maxPoint;
    cv::minMaxLoc(dstImg, minVal, maxVal, &minPoint, &maxPoint, Mask);
    cv::rectangle(img1, maxPoint, cv::Point(maxPoint.x + img2.cols, maxPoint.y + img2.rows), cv::Scalar(0, 255, 0), 2, 8);

    string sPath = "E:\\Pictures\\First\\";
    MkDir(sPath + "car");
    imwrite(sPath + "car\\" +ownname, img1);

    return true;
}