• C++ opencv模板匹配


    1.模板匹配介绍

    • 模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域;
    • 模板匹配需要首先给定一个模板图像;
    • 另外需要一张待检测的图像;
    • 工作方法:在待检测图像上,从左到右,从上到下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大。

    2.API 

    matchTemplate

    1. matchTemplate(
    2. InputArray image, //原图像,必须是8-bit或者32-bit浮点数图像
    3. InputArray templ, //模板图像,类型与输入图像一致
    4. OutputArray result, //输出结果,必须是单通道32位浮点数,假设原图像W*H,模板图像w*h,结果必须为W-w+1,H-h+1的大小
    5. int method, //使用的匹配方法
    6. InputArray mask=noArray()
    7. )
    8. enum cv::TemplateMatchModes {
    9. cv::TM_SQDIFF = 0,
    10. cv::TM_SQDIFF_NORMED = 1,
    11. cv::TM_CCORR = 2,
    12. cv::TM_CCORR_NORMED = 3,
    13. cv::TM_CCOEFF = 4,
    14. cv::TM_CCOEFF_NORMED = 5
    15. }
    16. minMaxLoc(src, minVal, maxVal, minLoc, maxLoc, mask)
    17. /*
    18. 在一个数组中找到全局最小值和全局最大值
    19. minMaxLoc函数找到最小值和最大值元素值以及它们的位置。
    20. */

    3.实例代码

    1. #include
    2. #include
    3. #include
    4. using namespace std;
    5. using namespace cv;
    6. Mat src, temp, dst;
    7. int match_method = TM_SQDIFF;
    8. int max_track = 5;
    9. const char* INPUT_T = "input image";
    10. const char* OUTPUT_T = "result image";
    11. const char* match_t = "template match-demo";
    12. void Match_Demo(int, void*);
    13. int main(int argc, char** argv) {
    14. // 待检测图像
    15. src = imread("D:/vcprojects/images/flower.png");
    16. // 模板图像
    17. temp = imread("D:/vcprojects/images/t2.png");
    18. if (src.empty() || temp.empty()) {
    19. printf("could not load image...\n");
    20. return -1;
    21. }
    22. namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
    23. namedWindow(OUTPUT_T, CV_WINDOW_NORMAL);
    24. namedWindow(match_t, CV_WINDOW_AUTOSIZE);
    25. imshow(INPUT_T, temp);
    26. const char* trackbar_title = "Match Algo Type:";
    27. createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo);
    28. Match_Demo(0, 0);
    29. waitKey(0);
    30. return 0;
    31. }
    32. void Match_Demo(int, void*) {
    33. int width = src.cols - temp.cols + 1;
    34. int height = src.rows - temp.rows + 1;
    35. Mat result(width, height, CV_32FC1);
    36. matchTemplate(src, temp, result, match_method, Mat());
    37. normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
    38. Point minLoc;
    39. Point maxLoc;
    40. double min, max;
    41. src.copyTo(dst);
    42. Point temLoc;
    43. minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());
    44. if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
    45. temLoc = minLoc;
    46. } else {
    47. temLoc = maxLoc;
    48. }
    49. // 绘制矩形
    50. rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
    51. rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
    52. imshow(OUTPUT_T, result);
    53. imshow(match_t, dst);
    54. }

  • 相关阅读:
    水稻外源DNA导入机制 国稻种芯-章成君:基因融合又被证实
    Try llama2 in NUC (by quqi99)
    Monaco Editor教程(七): 实现版本对比功能
    python 报错 module ‘asyncio‘ has no attribute ‘run‘
    力扣解法汇总1175-质数排列
    认识WebSocket 以及怎么使用WebSocket
    《GPT与AI助手:技术进步与就业前景》
    day32多线程02
    ROS2与turtlebot4仿真入门教程-turtlebot4遥控
    【web前端期末大作业】基于HTML+CSS+JavaScript实现代理商销售管理系统后台(8页)
  • 原文地址:https://blog.csdn.net/weixin_46098612/article/details/128066384