本文共 3560 字，大约阅读时间需要 11 分钟。

模板匹配技术概述

模板匹配是一种图像处理技术，旨在在给定图像中找到与模板图像最相似的区域。这种方法在图像分析、图像识别等领域有广泛应用。以下将详细介绍模板匹配的基础理论、实现方法以及使用OpenCV库进行模板匹配的具体操作。

模板匹配的原理

模板匹配通过将模板图像在目标图像上滑动，逐像素计算匹配度，找到最相似区域。匹配度的计算基于不同基准方法，常见的包括平方差（SQDIFF）、归一化平方差（SQDIFF NORMED）、协方差（CCORR）和协方差归一化（CCORR NORMED）等。其中，SQDIFF方法通过找到最小值来确定匹配区域，而CCORR和CCORR NORMED方法则通过找到最大值来实现。

模板匹配过程类似于图像的空间卷积操作。假设模板的宽度为ω，高度为h，目标图像的宽度为W，高度为H。经过匹配后，结果图像的宽度将为W - ω + 1，高度为H - h + 1。

OpenCV中的matchTemplate函数

在OpenCV库中，matchTemplate函数用于实现模板匹配。该函数接收以下参数：

• img: 目标图像。
• templ: 模板图像。
• res: 结果图像。
• match_method: 匹配方法（如SQDIFF、SQDIFF NORMED等）。
• mask: 选用了掩码的用户可选参数。

函数返回匹配结果图像，匹配区域的坐标也可通过minMaxLoc函数获取。

使用mask的模板匹配

在支持mask的匹配方法（如SQDIFF和CCORR NORMED）中，可以通过mask图像来限制匹配区域的有效范围。mask图像中的每个像素值（0或1）表示对应位置是否参与匹配。1表示有效区域，0表示无效区域。

模板匹配的实现步骤

代码示例

以下是使用OpenCV库进行模板匹配的代码示例：

#include 
   
    
#include 
    
     
#include 
     
      
#include 
      
       
using namespace std;
bool use_mask = false;
cv::Mat img, templ, mask, res;
const char *img_window = "Source";
const char *res_window = "Result";
int match_method = 0;
int max_trackbar = 5;
void MatchingMethod(int, void *) {
    cv::Mat img_display = img.clone();
    int res_width = img.cols - templ.cols + 1;
    int res_height = img.rows - templ.rows + 1;
    res.create(res_height, res_width, CV_32FC1);
    bool method_accepts_mask = (match_method == cv::TM_SQDIFF || match_method == cv::TM_CCORR_NORMED);
    if (use_mask && method_accepts_mask) {
        cv::matchTemplate(img, templ, res, match_method, mask);
    } else {
        cv::matchTemplate(img, templ, res, match_method);
    }
    cv::normalize(res, res, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
    double min_val, max_val;
    cv::Point min_loc, max_loc, match_loc;
    cv::minMaxLoc(res, &min_val, &max_val, &min_loc, &max_loc, cv::Mat());
    match_loc = (match_method == cv::TM_SQDIFF || match_method == cv::TM_SQDIFF_NORMED) ? min_loc : max_loc;
    cv::rectangle(img_display, match_loc, cv::Point(match_loc.x + templ.cols, match_loc.y + templ.rows), cv::Scalar::all(0), 2, 9, 0);
    cv::rectangle(res, match_loc, cv::Point(match_loc.x + templ.cols, match_loc.y + templ.rows), cv::Scalar::all(0), 2, 9, 0);
    cout << "===》》》 template match res size: " << res.size << endl;
    cv::imwrite("display_img.png", img_display);
    cv::imwrite("res_match.png", res);
}
int main(int argc, char **argv) {
    if (argc < 3) {
        cout << "Not enough parameters" << endl;
        cout << "Usage:" << endl << argv[0] << " 
        
        
          [" << "
         
          " << "]" << endl; return -1; } img = cv::imread(argv[1], cv::IMREAD_COLOR); templ = cv::imread(argv[2], cv::IMREAD_COLOR); if (argc > 3) { use_mask = true; mask = cv::imread(argv[3], cv::IMREAD_COLOR); } if (img.empty() || templ.empty() || (use_mask && mask.empty())) { cout << "Can't read one of the images" << endl; return EXIT_FAILURE; } cv::namedWindow(img_window, cv::WINDOW_AUTOSIZE); cv::namedWindow(res_window, cv::WINDOW_AUTOSIZE); 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"; cv::createTrackbar(trackbar_label, img_window, &match_method, max_trackbar, MatchingMethod); MatchingMethod(0, 0); cv::waitKey(0); return EXIT_SUCCESS; }
         
        
       
      
     
    
   

输出结果

匹配完成后，结果图像的宽度将为W - ω + 1，高度为H - h + 1。通过cv::rectangle函数可以在目标图像和结果图像中绘制匹配区域，帮助用户直观查看匹配结果。

这种方法在图像识别、图像修复等领域有广泛应用，能够有效地定位模板图像在目标图像中的位置。

转载地址：http://kohfk.baihongyu.com/