1 、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。
所以模板匹配首先需要一个模板图像T（给定的子图像）
另外需要一个待检测的图像-源图像S
工作方法，在带检测图像上，从左到右，从上向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。
模板匹配最主要的功能就是在一幅图像中去寻找和另一幅模板图像中相似度最高的部分，这就是模板匹配

image.png

2 、匹配算法

计算平方

image.png

image.png

计算相关性

image.png

image.png

计算相关系数

image.png

image.png

3 、API介绍

matchTemplate(

InputArray image,// 源图像，必须是8-bit或者32-bit浮点数图像

InputArray templ,// 模板图像，类型与输入图像一致

OutputArray result,// 输出结果，必须是单通道32位浮点数，假设源图像WxH,模板图像wxh,
                 则结果必须为W-w+1, H-h+1的大小。
int method,//使用的匹配方法

InputArray mask=noArray()//(optional)
)

image.png

image.png

void minMaxLoc(InputArray src, CV_OUT double* minVal,
                           CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,
                           CV_OUT Point* maxLoc=0, InputArray mask=noArray());
参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。

4 、整体代码测试

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

#include <math.h>
using namespace std;
using namespace cv;

Mat src, temp, dst;
int match_method = TM_SQDIFF;
int max_track = 5;
const char* INPUT_T = "input image";
const char* OUTPUT_T = "result image";
const char* match_t = "template match-demo";
void Match_Demo(int, void*);
int main(int argc, char** argv) {
    // 待检测图像
    src = imread("D:\\pic/timg.jpg");
    // 模板图像
    temp = imread("D:\\pic/timg1.jpg");
    if (src.empty() || temp.empty()) {
        printf("could not load image...\n");
        return -1;
    }
    namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
    namedWindow(OUTPUT_T, CV_WINDOW_NORMAL);
    namedWindow(match_t, CV_WINDOW_AUTOSIZE);
    imshow(INPUT_T, temp);
    const char* trackbar_title = "Match Algo Type:";
    createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo);
    Match_Demo(0, 0);

    waitKey(0);
    return 0;
}

void Match_Demo(int, void*) {
    int width = src.cols - temp.cols + 1;
    int height = src.rows - temp.rows + 1;
    Mat result(width, height, CV_32FC1);

    matchTemplate(src, temp, result, match_method, Mat());
    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

    Point minLoc;
    Point maxLoc;
    double min, max;
    src.copyTo(dst);
    Point temLoc;
    minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());
    if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
        temLoc = minLoc;
    }
    else {
        temLoc = maxLoc;
    }

    // 绘制矩形
    rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
    rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);

    imshow(OUTPUT_T, result);
    imshow(match_t, dst);
}

image.png