opencv-matchTemplate模板匹配(大图中寻找小图)

11.png

 12.png

#include<opencv2/opencv.hpp>
#include<iostream>

int main(int argc, char** argv) {
    
    cv::Mat src = cv::imread("D:/bb/tu/11.png");
    cv::Mat templ = cv::imread("D:/bb/tu/12.png");
    cv::Mat ftmp;
    cv::matchTemplate(src, templ, ftmp,5);   //模板匹配
    /*
    参数1:src用于搜索的输入图像, 8U 或 32F, 大小 W-H
    参数2:用于匹配的模板，和src类型相同， 大小 w-h
    参数3:匹配结果图像, 类型 32F, 大小 (W-w+1)-(H-h+1)
    参数4:用于比较的方法(有六种)
          cv::TM_SQDIFF=0 该方法使用平方差进行匹配，因此最佳的匹配结果在结果为0处，值越大匹配结果越差
          cv::TM_SQDIFF_NORMED=1：该方法使用归一化的平方差进行匹配，最佳匹配也在结果为0处
          cv::TM_CCORR=2：相关性匹配方法，该方法使用源图像与模板图像的卷积结果进行匹配，因此，最佳
                匹配位置在值最大处，值越小匹配结果越差  【个人测试：匹配性很差】
          cv::TM_CCORR_NORMED=3：归一化的相关性匹配方法，与相关性匹配方法类似，最佳匹配位置也是在值最大处
          cv::TM_CCOEFF=4：相关性系数匹配方法，该方法使用源图像与其均值的差、模板与其均值的差二者之间的相
                关性进行匹配，最佳匹配结果在值等于1处，最差匹配结果在值等于-1处，值等于0直接表示二者不相关
          cv::TM_CCOEFF_NORMED=5：归一化的相关性系数匹配方法，正值表示匹配的结果较好，负值则表示匹配的效
                果较差，也是值越大，匹配效果也好
    */

    std::cerr << cv::TM_CCOEFF_NORMED << std::endl;

    normalize(ftmp, ftmp, 1, 0, cv::NORM_MINMAX);
    double minVal; double maxVal;
    cv::Point minLoc; 
    cv::Point maxLoc;
    minMaxLoc(ftmp, &minVal, &maxVal, &minLoc, &maxLoc); //找到最佳匹配点
    //从匹配结果图像中找出最佳匹配点
    rectangle(src, cv::Rect(maxLoc.x, maxLoc.y, templ.cols, templ.rows), cv::Scalar(0, 0, 255), 2, 8);//画出匹配到的矩形框
    //注意：与方法有关，有的是最小值是最佳匹配；有的是最大值是最佳匹配

    cv::imshow("src", src);
    cv::waitKey();
    return 0;
}

标签：matchTemplate,匹配,结果,大图,小图,TM,方法,cv,模板
来源： https://www.cnblogs.com/liming19680104/p/15836562.html