参考文档:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html#id2
最近一直在做一个logo检测的项目,检测logo的有无,接触到模板匹配。模板匹配虽然精度不高,但选择恰当的方法,设置合适的阈值也能起到一定作用。有的时候我们还能用模板匹配来定位。下面对模板匹配进行一个总结。
模板匹配:模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.
matchTemplate()参数详解
CV_EXPORTS_W void matchTemplate( InputArray image, InputArray templ, OutputArray result, int method );
image:待匹配的源图像
templ:模板图像
result:保存结果的矩阵,我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置.
minMaxLoc()函数:查找全局最小和最大稀疏数组元素并返回其值及其位置
void minMaxLoc(const SparseMat& a, double* minVal,double* maxVal, int* minIdx=0, int* maxIdx=0);
- a: 匹配结果矩阵
- &minVal 和 &maxVal: 在矩阵 result 中存储的最小值和最大值
- &minLoc 和 &maxLoc: 在结果矩阵中最小值和最大值的坐标.
method :模板匹配的算法
有以下六种:
enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };
-
TM_SQDIFF,TM_SQDIFF_NORMED匹配数值越低表示匹配效果越好,其它四种反之。
-
TM_SQDIFF_NORMED,TM_CCORR_NORMED,TM_CCOEFF_NORMED是标准化的匹配,得到的最大值,最小值范围在0~1之间,其它则需要自己对结果矩阵归一化。
- 不同的方法会得到差异很大的结果,可以通过测试选择最合适的方法。
归一化函数normalize()
normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
模板匹配的大致用法如下:
void templateMatching(const Mat& srcImage,const Mat& templateImage) { Mat result; int result_cols = srcImage.cols - templateImage.cols + 1; int result_rows = srcImage.rows - templateImage.rows + 1; if(result_cols < 0 || result_rows < 0) { qDebug() << "Please input correct image!"; return; } result.create(result_cols, result_rows, CV_32FC1); // enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 }; matchTemplate(srcImage,templateImage,result,TM_CCOEFF_NORMED); //最好匹配为1,值越小匹配越差 double minVal = -1; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat()); //取大值(视匹配方法而定) // matchLoc = minLoc; matchLoc = maxLoc; //取大值,值越小表示越匹配 QString str = "Similarity:" + QString::number((maxVal) * 100, 'f', 2) + "%"; qDebug(str.toAscii().data()); Mat mask = srcImage.clone();
//绘制最匹配的区域 rectangle(mask, matchLoc, Point(matchLoc.x + templateImage.cols, matchLoc.y + templateImage.rows), Scalar(0, 255, 0), 2, 8, 0); imshow("mask",mask); }
分别采用两个不同颜色的模板图进行测试,得到如下两组结果图,以供参考。
测试结果1:
测试结果2: