Goal 在本教程中，您将学习如何：
使用 OpenCV 函数 matchTemplate() 搜索图像补丁和输入图像之间的匹配
使用 OpenCV 函数 minMaxLoc() 查找给定数组中的最大值和最小值（以及它们的位置）。
Theory What is template matching?
模板匹配是一种用于查找与模板图像（补丁）匹配（相似）的图像区域的技术。

虽然补丁patch必须是矩形，但可能并非所有矩形都是相关的。 在这种情况下，可以使用掩码来隔离应用于查找匹配的补丁patch部分。

How does it work?
我们需要两个主要组件：
源图像Source image (I)（I）：我们期望在其中找到与模板图像匹配的图像
模板图像 Template image (T)：将与源图像进行比较的补丁patch 图像
我们的目标是检测最高匹配区域：

文章图片


为了识别匹配区域，我们必须通过滑动将模板图像与源图像进行比较：

文章图片



通过滑动，我们的意思是一次移动一个像素（从左到右，从上到下）。 在每个位置，都会计算一个度量，因此它表示该位置匹配的“好”或“坏”（或补丁与源图像的特定区域的相似程度）。

对于在I 上的每个位置T，您将度量存储在result matrix R 中。R 中的每个位置 (x,y) 都包含匹配度量match metric：

文章图片


上图是使用度量 TM_CCORR_NORMED 滑动补丁的结果 R。 最亮的位置表示最高匹配。 如您所见，红色圆圈标记的位置可能是具有最高值的位置，因此该位置（由该点形成的一个角和宽度和高度等于补丁图像的矩形the rectangle formed by that point as a corner and width and height equal to the patch image）被认为是匹配的。

在实践中，我们使用函数 minMaxLoc() 在 R 矩阵中定位最大值（或更低，取决于匹配方法的类型）
How does the mask work?

1. 如果匹配需要掩膜，则需要三个组件：

源图像Source image（I）：我们期望在其中找到与模板图像匹配的图像
模板图像 Template image (T)：将与源图像进行比较的补丁图像
掩膜图像Mask image （M）：mask，对模板进行masks的灰度图

1. 目前只有两种匹配方法接受掩码：TM_SQDIFF 和 TM_CCORR_NORMED（有关 opencv 中所有可用匹配方法的说明，请参见下文）。
2. 掩膜必须与模板具有相同的尺寸
3. 掩膜应具有 CV_8U 或 CV_32F 深度以及与模板图像相同的通道数。 在 CV_8U 情况下，掩码值被视为二进制，即零和非零。 在 CV_32F 的情况下，值应该在 [0..1] 范围内，模板像素将乘以相应的掩码像素值。 由于样本中的输入图像具有 CV_8UC3 类型，因此mask也被读取为彩色图像。

文章图片


Which are the matching methods available in OpenCV?
OpenCV 中可用的匹配方法有哪些？
好问题。 OpenCV 在函数 matchTemplate() 中实现模板匹配。 可用的方法有 6 种：
method=TM_SQDIFF

文章图片


method=TM_SQDIFF_NORMED

文章图片


method=TM_CCORR

文章图片


method=TM_CCORR_NORMED

文章图片


method=TM_CCOEFF

文章图片


where
文章图片



method=TM_CCOEFF_NORMED

文章图片


Code 这个程序有做了什么？
加载输入图像、图像补丁（模板）和可选的掩码
使用 OpenCV 函数 matchTemplate() 和前面描述的 6 种匹配方法中的任何一种来执行模板匹配过程。 用户可以通过在 Trackbar 中输入其选择来选择方法。 如果提供了掩码，它将仅用于支持掩码的方法
规范化匹配过程的输出Normalize the output of the matching procedure
定位匹配概率较高的位置Localize the location with higher matching probability
在与最高匹配对应的区域周围绘制一个矩形
可下载代码：点击这里
opencv/MatchTemplate_Demo.cpp at 4.x · opencv/opencv · GitHub
代码一目了然

/** * @file MatchTemplate_Demo.cpp * @brief 模板匹配Sample code to use the function MatchTemplate * @author OpenCV team */#include "opencv2/imgcodecs.hpp" #include "opencv2/highgui.hpp" #include "opencv2/imgproc.hpp" #include using namespace std; using namespace cv; //! [declare] /// Global Variables bool use_mask; //使用掩膜 Mat img; Mat templ; Mat mask; Mat result; const char* image_window = "Source Image"; const char* result_window = "Result window"; int match_method; int max_Trackbar = 5; //6中匹配方法 //! [declare]/// 函数头 Function Headers void MatchingMethod( int, void* ); /** * @function main */ int main( int argc, char** argv ) { if (argc < 3) { cout << "Not enough parameters" << endl; cout << "Usage:\n" << argv[0] << " []" << endl; return -1; }//! [load_image] /// 加载图像和模板Load image and template img = imread( argv[1], IMREAD_COLOR ); templ = imread( argv[2], IMREAD_COLOR ); if(argc > 3) { use_mask = true; mask = imread( argv[3], IMREAD_COLOR ); //读取掩膜 }if(img.empty() || templ.empty() || (use_mask && mask.empty())) { cout << "无法读取其中一张图片Can't read one of the images" << endl; return EXIT_FAILURE; } //! [load_image]//! [create_windows] /// 创建窗口 namedWindow( image_window, WINDOW_AUTOSIZE ); namedWindow( result_window, WINDOW_AUTOSIZE ); //! [create_windows]//! [create_trackbar] /// 创建滑动条 const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED"; createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod ); //! [create_trackbar] //模板匹配 MatchingMethod( 0, 0 ); //! [wait_key] waitKey(0); return EXIT_SUCCESS; //! [wait_key] }/** * @function MatchingMethod * @brief 滑动条回调 Trackbar callback */ void MatchingMethod( int, void* ) { //! [copy_source] /// 要显示的源图像Source image to display Mat img_display; img.copyTo( img_display ); //! [copy_source]//! [create_result_matrix] /// 创建结果矩阵Create the result matrix int result_cols =img.cols - templ.cols + 1; int result_rows = img.rows - templ.rows + 1; result.create( result_rows, result_cols, CV_32FC1 ); //! [create_result_matrix]//! [match_template] /// 进行匹配和规范化 Do the Matching and Normalize bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED); //接受掩膜的方法 if (use_mask && method_accepts_mask) { matchTemplate( img, templ, result, match_method, mask); }//执行模板匹配，带掩膜 else { matchTemplate( img, templ, result, match_method); }//无掩膜模板匹配 //! [match_template]//! [normalize] 归一化 normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() ); //! [normalize]//! [best_match] /// 使用 minMaxLoc 定位最佳匹配 Localizing the best match with minMaxLoc double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; //最佳的匹配点 //在数组中找到全局最小和最大值 minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() ); //! [best_match]//! [match_loc] /// 对于 SQDIFF 和 SQDIFF_NORMED ，最佳匹配是较低的值。 对于所有其他方法，越高越好 For SQDIFF and SQDIFF_NORMED, the best matches are lower values. For all the other methods, the higher the better if( match_method== TM_SQDIFF || match_method == TM_SQDIFF_NORMED ) { matchLoc = minLoc; }//对于 SQDIFF 和 SQDIFF_NORMED ，最佳匹配是较低的值 else { matchLoc = maxLoc; }//最佳匹配点：左上角 //! [match_loc]//! [imshow] /// 告诉我你得到了什么 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 ); //! [imshow]return; }

Explanation 声明一些全局变量，例如图像、模板和结果矩阵，以及匹配方法和窗口名称：

bool use_mask; Mat img; Mat templ; Mat mask; Mat result; const char* image_window = "Source Image"; const char* result_window = "Result window"; int match_method; int max_Trackbar = 5;

加载源图像、模板和可选的（如果匹配方法支持）掩码：

img = imread( argv[1], IMREAD_COLOR ); templ = imread( argv[2], IMREAD_COLOR ); if(argc > 3) { use_mask = true; mask = imread( argv[3], IMREAD_COLOR ); } if(img.empty() || templ.empty() || (use_mask && mask.empty())) { cout << "Can't read one of the images" << endl; return EXIT_FAILURE; }

创建 Trackbar 以输入要使用的匹配方法的种类。 当检测到更改时，将调用回调函数。

const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED"; createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );

让我们看看回调函数。 首先，它会复制源图像：

Mat img_display; img.copyTo( img_display );

执行模板匹配操作。 参数自然是输入图像 I、模板 T、结果 R 和 match_method（由 Trackbar 给出），以及可选的掩码图像 M。

bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED); if (use_mask && method_accepts_mask) { matchTemplate( img, templ, result, match_method, mask); } else { matchTemplate( img, templ, result, match_method); }

我们对结果进行归一化：

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

我们使用 minMaxLoc() 定位结果矩阵 R 中的最小值和最大值。

double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );

对于前两种方法（ TM_SQDIFF 和 MT_SQDIFF_NORMED ），最佳匹配是最低值。 对于所有其他人，较高的值代表更好的匹配。 因此，我们将对应的值保存在 matchLoc 变量中：

if( match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED ) { matchLoc = minLoc; } else { matchLoc = maxLoc; }

显示源图像和结果矩阵。 在可能的最高匹配区域周围画一个矩形：

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 );

Results 使用输入图像测试我们的程序，例如：

文章图片


和模板图像：

文章图片


生成以下结果矩阵（第一行是标准方法 SQDIFF、CCORR 和 CCOEFF，第二行是标准化版本中的相同方法）。 在第一列中，最暗的匹配度越高，对于其他两列，位置越亮，匹配度越高。

文章图片


Result_0

文章图片


Result_1

文章图片


Result_2

文章图片


Result_3

文章图片


Result_4

文章图片


Result_5
正确的匹配如下所示（右侧人脸周围的黑色矩形）。 请注意，CCORR 和 CCDEFF 给出了错误的最佳匹配，但它们的标准化版本正确，这可能是因为我们只考虑“最高匹配”而不考虑其他可能的高匹配。

文章图片


opencv —— minMaxLoc 寻找图像全局最大最小值 - 老干妈就泡面 - 博客园 (cnblogs.com)
opencv —— minMaxLoc 寻找图像全局最大最小值
寻找最值：minMaxLoc 函数

minMaxLoc 函数的作用是在数组中找到全局最小和最大值。
void minMaxLoc(InputArray src, double* minVal, double* maxVal = 0, Point* minLoc = 0, Point* maxLoc = 0, InputArray mask = noArray());

src，输入的数组，若是图像，需为单通道图像。
minVal，返回最小值的指针。若无需返回，此值设为 NULL。
maxVal，返回最大值的指针。若无需返回，此值设为 NULL。
minLoc，返回最小值位置的指针（二维情况下）。若无需返回，此值设为 NULL。
maxLoc，返回最大值位置的指针（二维情况下）。若无需返回，此值设为 NULL。
【opencv|【opencv 450 Image Processing】Template Matching模板匹配】mask，可选的掩膜操作，非零掩码元素用于标记待统计元素，需要与输入图像集有相同尺

推荐阅读

• 

  飞亚达手表回收 飞亚达机械手表价格
• 

  知心爱人付笛声任静歌词知心爱人歌曲任静,付笛声简谱
• 

  识别情绪，控制和养成情绪
• 

  脊髓再生成功 高位截瘫吧
• 

  广州积分入学小学积分后初中还要积分吗
• 

  耳朵疼是怎么回事
• 

  mysql模糊查询匹配最优 mysql多条件模糊查找
• 

  凝聚的近义词是什么词？凝聚的近义词是什么?
• 

  秦国是如何从弱小走向霸主的呢？
• 

  车辆保养多久做一次?汽车保养明细表大全 车辆保养多久做一次
• 

  浅谈《伤寒论》的辨证思维方式
• 

  描能组什么词语
• 

  医生|50岁的阿姨抽出“猪油血”，医生提醒：春节饮食要注意
• 

  爱普生打印机固件刷机
• 

  对于非法出售增值税专用发票案公安追诉标准是多少
• 

  绘本讲师训练营【31期】20/21实践原创《鳄鱼怕怕，牙医怕怕》
• 

  快速调出照片的梦幻紫色调
• 

  吃啥降低胆固醇最快 吃什么降低胆固醇最快
• 

  系统安全性分析
• 

  酸梅汤的功效与作用 夏季喝酸梅汤有啥好处

• 深度学习|毕设-卷积神经网络/深度学习/yolo
• 深度学习|卷积神经网络CNN5
• c语言|【C】语言 一篇文章教会你三子棋
• python|python实现对图片的处理--图像处理课设
• c++|Open3D点云库 C++学习笔记
• 数据结构与算法|C/C++ 堆排序的非递归实现
• c++堆排序和堆
• C++|Data Structures in C++（堆和堆排序）
• c++|一文读懂 Android FFmpeg 视频解码过程与实战分析