模板匹配
今天我们开始来学习opencv的模板匹配函数,可以用来做快速二维码读入,或者别的信息读入。
模板匹配这是一项在一幅图中寻找与另一幅“模板”图像最匹配(相似)部分的技术,
这个方法应该是寻找ROI(模板)最简单高效的方式了。模板匹配的工作方式跟直方图的反向投影基本一样,只不过反射投影直方图得到的是ROI出现在图像中特定位置的概率,是一种概率映射,而模板匹配是直接关于像素的度量。
假设我们有一张100×100的输入input图像,ROI(模ro板)是10×10的output图像,那么模板匹配具体的操作可以由以下方式来实现
1)从输入图像的左上角(0,0)开始滑动,获取(0,0)至(10,10)的临时图像;
2)选择一种度量方式(函数)对比临时图像和模板图像,度量值 保存 到 结果图像矩阵 (R) 中;
3)滑动模板图像至(0,1),获取(0,1)至(10,11)的临时图像,对比,并将度量值记录到结果图像R中;
4)重复步骤(1)~(3)直到输入图像的右下角;
5)定位在结果图像矩阵 R 中的最大值点 (或者最小值, 根据度量函数输入的匹配参数),即为模板最有可能出现的位置。
在OpenCV中提供了模板匹配的API函数,其函数原型为:
void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method)
这是我老婆小狮子:
output图像
前三个由操作步骤很容易理解,第四个参数是模板匹配的度量函数,OpenCV支持以下6种对比方式:
CV_TM_SQDIFF 平方差匹配法:采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。
CV_TM_CCORR 相关匹配法:采用乘法操作;数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法:1表示完美的匹配;-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 归一化平方差匹配法
CV_TM_CCORR_NORMED 归一化相关匹配法
CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
具体公式请参考opencvdoc。
demo程序:
#ifndef SAT8_xiaoshizi #define SAT8_xiaoshizi #include <iostream> #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #endif using namespace std; using namespace cv; bool draw; Mat src;//原始图像 Mat roi;//ROI图像 Mat result; Point cursor;//初始坐标 Rect rect;//标记ROI的矩形框 char* image_window = "SrcImage"; char* result_window = "Result window"; int match_method; int max_Trackbar = 5; void MatchingMethod( int, void* ); void onMouse(int event, int x, int y, int flags, void *param); int main() { src=imread("sat8.jpg"); if(src.data==0) { cout<<"error, the src image is not built!"<<endl; return -1; } //cvtColor(src,src,CV_BGR2GRAY); namedWindow(image_window); imshow(image_window,src); setMouseCallback(image_window, onMouse, NULL); namedWindow(result_window); waitKey(); return 0; } void onMouse(int event, int x, int y, int flags, void *param) { Mat img = src.clone(); switch (event) { //按下鼠标左键 case CV_EVENT_LBUTTONDOWN: //点击鼠标图像时,清除之前ROI(ro635)图像的显示窗口 cvDestroyWindow("ROI"); //存放起始坐标 cursor = Point(x, y); //初始化起始矩形框 rect = Rect(x, y, 0, 0); draw = true; break; //松开鼠标左键 case CV_EVENT_LBUTTONUP: if (rect.height > 0 && rect.width > 0) { //将img中的矩形区域复制给roi,并显示在SignROI窗口 roi = img(Rect(rect.x, rect.y, rect.width, rect.height)); rectangle(img, rect, Scalar(0, 0, 255),2); namedWindow("SignROI"); imshow("SignROI", img); //将画过矩形框的图像用原图像还原 src.copyTo(img); imshow("SrcImage", img); //显示ROI图像 //namedWindow("ROI"); //imshow("ROI", roi); //进行模板匹配 // 创建滑动条 char* trackbar_label = "MatchTemplate"; /* 0: SQDIFF 1: SQDIFF NORMED 2: TM CCORR 3: TM CCORR NORMED 4: TM COEFF 5: TM COEFF NORMED */ createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod ); MatchingMethod( 0, 0 ); waitKey(10); } draw = false; break; //移动光标 case CV_EVENT_MOUSEMOVE: if (draw) { //用MIN得到左上点作为矩形框的起始坐标,如果不加这个,画矩形时只能向一个方向进行 rect.x = MIN(x, cursor.x); rect.y = MIN(y, cursor.y); rect.width = abs(cursor.x - x); rect.height = abs(cursor.y - y); //防止矩形区域超出图像的范围 rect &= Rect(0, 0, src.cols, src.rows); } break; } } void MatchingMethod( int, void* ) { // 将被显示的原图像 Mat img_display; src.copyTo( img_display ); // 创建输出结果的矩阵 int result_cols = src.cols - roi.cols + 1; int result_rows = src.rows - roi.rows + 1; result.create( result_cols, result_rows, CV_32FC1 ); // 进行匹配和标准化 matchTemplate( src, roi, result, match_method ); normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() ); // 通过函数 minMaxLoc 定位最匹配的位置 double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() ); // 对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值代表更高的匹配结果 //对于其他方法, 数值越大匹配越好 if( match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED ) { matchLoc = minLoc; } else { matchLoc = maxLoc; } // 检测结果 rectangle( img_display, matchLoc, Point( matchLoc.x + roi.cols , matchLoc.y + roi.rows ), Scalar::all(0), 2, 8, 0 ); rectangle( result, matchLoc, Point( matchLoc.x + roi.cols , matchLoc.y + roi.rows ), Scalar::all(0), 2, 8, 0 ); imshow( image_window, img_display ); imshow( result_window, result ); return; }