opencv C++模板匹配的简单实现

目录
  • 一简单实现
  • 二函数及原理讲解
    • 1matchTemplate()参数详解
    • 2minMaxLoc()函数

一 简单实现

#include <opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;

int main()
{
	Mat img = imread("52.jpg");
	Mat templ = imread("templ.jpg");
	Mat result;
	matchTemplate(img,templ,result,TM_CCOEFF_NORMED);//原图，模板，匹配方法

	double maxVal, minVal;
	Point maxLoc, minLoc;
	//寻找最大值，最小值
	minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
	//绘制矩形，矩形的左上角是最大值的位置，右下角是在最大值上加上模板的行宽和和列高
	rectangle(img,Point(maxLoc.x,maxLoc.y),Point(maxLoc.x+templ.cols,maxLoc.y+templ.rows),Scalar(0,0,255),2);//颜色红色，粗度2
	imshow("原图", img);
	imshow("模板",templ);
	imshow("result",result);
	waitKey(0);
	return 0;
}

结果如下，分别是模板图，原图（找到了与模板匹配的部分，并矩形框标记，结果图，暂时觉得有点问题的 ）

二 函数及原理讲解

1 matchTemplate()参数详解

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.

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。

cv::TM_SQDIFF 判断 minVal 越小，效果越好
计算模板与目标图像的方差，由于是像素值差值的平方的和，所以值越小匹配程度越高；

cv::TM_SQDIFF_NORMED 判断 minVal 越接近0，效果越好
范化的cv::TM_SQDIFF，取值为0-1之间，完美匹配返回值为0；

cv::TM_CCORR 判断 maxVal 越大，效果越好
使用dot product计算匹配度，越高匹配度就好；

cv::TM_CCORR_NORMED 判断 maxVal 越接近1，效果越好
范化的cv::TM_CCORR，0-1之间，我用的这个；

cv::TM_CCOEFF 判断 maxVal 越大，效果越好
采用模板与目标图像像素与各自图像的平均值计算dot product，正值越大匹配度越高，负值越大图像的区别越大，但如果图像没有明显的特征（即图像中的像素值与平均值接近）则返回值越接近0；

cv::TM_CCOEFF_NORMED 判断 maxVal 越接近1，效果越好
范化的cv::TM_CCOEFF，-1 ~ 1之间。

2 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.

到此这篇关于opencv C++模板匹配的文章就介绍到这了,更多相关opencv 模板匹配内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • opencv3/C++ FLANN特征匹配方式

    使用函数detectAndCompute()检测关键点并计算描述符 函数detectAndCompute()参数说明: void detectAndCompute( InputArray image, //图像 InputArray mask, //掩模 CV_OUT std::vector<KeyPoint>& keypoints,//输出关键点的集合 OutputArray descriptors,//计算描述符(descriptors[i]是为keypoints[i]的计算描述符

  • C++ OpenCV中几种基本的图像处理方式

    C++ OpenCV中几种基本的图像处理方式

    目录 一.图像显示 1.OpenCV的命名空间 2.Mat类简析 3.图像的载入:imread()函数 4.imshow()函数 二.图像腐蚀和膨胀 三.图像模糊 四.canny边缘检测 虽然单单要做车牌号识别的话不需要特别多种类的图像处理,但是我们不能只是为了这么一个目标去学习,所以这次就讲一些OpenCV里基本的图像处理,大家以后可以根据需求使用不同的图像处理. 一.图像显示 [打开Visual Studio]→[新建项目]→[Win32控制台应用项目(修改名称后点确定)]→[下一步]→[空

  • C++ OpenCV学习之图像像素值统计

    C++ OpenCV学习之图像像素值统计

    目录 1.常用的像素值统计 2.像素值统计计算 3.图像统计值分析 本课所用API查阅 opencv知识点: 图像像素最小/最大值 - minMaxLoc 图像像素均值/标准差 - meanStdDev 本课所解决的问题: 如何获取图像像素的最小/最大值? 如何获取图像像素的均值/标准差? 通过图像像素统计值我们能干什么? 1.常用的像素值统计 在图像分析的时候,我们经常需要对单通道图像的像素进行统计,以下4种是比较常用的 最小值(min) 最大值(max) 平均值(mean) 标准差(stan

  • C++ opencv将图片动漫化介绍

    C++ opencv将图片动漫化介绍

    目录 边缘检测 贴边缘图到原图 双边滤波 HSI空间修改饱和度 后续: 总结 最近对图像处理十分感兴趣,也学着用opencv 实现各种简单的图像处理,因此,有了下面的实验,就是将照片处理成漫画的风格. 对照片进行动漫话一般需要四个步骤1.边缘检测2.将边缘检测得到的边缘 以黑色的形式贴在原来的画上.3.对贴了边缘的图进行双边滤波,双边滤波可以较好的滤波的同时保留边缘.4.修改图像的颜色的饱和度,本文采用的是将RGB转化为HSI空间,然后调整S分量. 边缘检测 对于边缘检测,本文采用的是canny

  • opencv C++模板匹配的简单实现

    opencv C++模板匹配的简单实现

    目录 一简单实现 二函数及原理讲解 1matchTemplate()参数详解 2minMaxLoc()函数 一 简单实现 #include <opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespace std; int main() { Mat img = imread("52.jpg"); Mat templ = imread("templ.jpg")

  • python基于OpenCV模板匹配识别图片中的数字

    python基于OpenCV模板匹配识别图片中的数字

    前言 本博客主要实现利用OpenCV的模板匹配识别图像中的数字,然后把识别出来的数字输出到txt文件中,如果识别失败则输出"读取失败". 操作环境: OpenCV - 4.1.0 Python 3.8.1 程序目标 单个数字模板:(这些单个模板是我自己直接从图片上截取下来的) 要处理的图片: 终端输出: 文本输出: 思路讲解 代码讲解 首先定义两个会用到的函数 第一个是显示图片的函数,这样的话在显示图片的时候就比较方便了 def cv_show(name, img): cv2.imsh

  • OpenCV 模板匹配

    OpenCV 模板匹配

    最近小编实现一个微信小程序「跳一跳」的自动化. 主要涉及到了OpenCV的模板匹配和边缘检测技术,以及Android开发调试工具ADB. 如果放在一起说,感觉内容有些多. 所以,分三期来讲,也能多了解一些东西. 首先介绍模板匹配,然后边缘检测,最后结合ADB实现「跳一跳」自动化. 游戏虽然过时了,但是拿来练练手还是不错的. 编程就该是快乐的,哈哈. / 01 / 模板匹配 模板匹配,就是在整个图像区域里发现与给定子图像相匹配的小块区域. 这里需要一个模板图像(给定的子图像)和一个待检测的图像(原

  • Python OpenCV实现图像模板匹配详解

    Python OpenCV实现图像模板匹配详解

    目录 1.什么是模板匹配及模板匹配方法matchTemplate() 介绍 素材准备 2.单模板匹配 2.1 单目标匹配 2.2 多目标匹配 3.多模板匹配 1.什么是模板匹配及模板匹配方法matchTemplate() 介绍 提供一个模板图像,一个目标图像,且满足模板图像是目标图像的一部分,从目标图像中寻找特定的模板图像的过程,即为模板匹配.OpenCV提供了matchTemplate()方法帮助我们实现模板匹配. 该方法语法如下: cv2.matchTemplate(image, templ

  • Python+Opencv实现图像模板匹配详解

    Python+Opencv实现图像模板匹配详解

    目录 引言 一.匹配方法 二.匹配单个对象 三.匹配多个对象 引言 什么是模板匹配呢? 看到这里大家是否会觉得很熟悉的感觉涌上心头!在人脸识别是不是也会看见 等等. 模板匹配可以看作是对象检测的一种非常基本的形式.使用模板匹配,我们可以使用包含要检测对象的“模板”来检测输入图像中的对象. 一.匹配方法 cv2.matchTemplate(img, templ, method) 参数:(img: 原始图像.temple: 模板图像.method: 匹配度计算方法) 方法如下: cv2.TM_SQD

  • OpenCV-Python实现多模板匹配

    OpenCV-Python实现多模板匹配

    模板匹配的作用在图像识别领域作用可大了.那什么是模板匹配? 模板匹配,就是在一幅图像中寻找另一幅模板图像最匹配(也就是最相似)的部分的技术. 多模板匹配 在上一篇的实战中,我们通过人物眼睛的子图,找出了其在图像中出现位置.但是,有些情况下,并不仅仅只有一次,比如我们讲解傅里叶变换时,曾介绍一张草原的狮子图.如果匹配某个草,可能单个图像内会有很多,这个时候就要找出多个匹配结果. 而函数cv2.minMaxLoc()仅仅能找出最值,无法给出所有匹配区域的位置信息.所以,要想匹配多个结果,就需要进行如

  • OpenCV模板匹配matchTemplate的实现

    作用有局限性,必须在指定的环境下,才能匹配成功,是受到很多因素的影响,所以有一定的适应性 模板匹配是一种最原始.最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,这就是一个匹配问题. 它是图像处理中最基本.最常用的匹配方法. 模板匹配具有自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效. 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[/code] 工作原理:在待检测图像上,从左到右,从上向下计算模板图像与重

  • Python+Opencv实现图像匹配功能(模板匹配)

    Python+Opencv实现图像匹配功能(模板匹配)

    本文实例为大家分享了Python+Opencv实现图像匹配功能的具体代码,供大家参考,具体内容如下 1.原理 简单来说,模板匹配就是拿一个模板(图片)在目标图片上依次滑动,每次计算模板与模板下方的子图的相似度,最后就计算出了非常多的相似度: 如果只是单个目标的匹配,那只需要取相似度最大值所在的位置就可以得出匹配位置: 如果要匹配多个目标,那就设定一个阈值,就是说,只要相似度大于比如0.8,就认为是要匹配的目标. 1.1 相似度度量指标 差值平方和匹配 CV_TM_SQDIFF 标准化差值平方和匹

  • opencv模板匹配相同位置去除重复的框

    opencv模板匹配相同位置去除重复的框

    使用opencv自带的模板匹配 1.目标匹配函数:cv2.matchTemplate() res=cv2.matchTemplate(image, templ, method, result=None, mask=None) image:待搜索图像 templ:模板图像 result:匹配结果 method:计算匹配程度的方法,主要有以下几种: CV_TM_SQDIFF 平方差匹配法:该方法采用平方差来进行匹配:最好的匹配值为0:匹配越差,匹配值越大. CV_TM_CCORR 相关匹配法:该方法

  • OpenCV半小时掌握基本操作之模板匹配

    OpenCV半小时掌握基本操作之模板匹配

    目录 概述 模板匹配 案例一 案例二 [OpenCV]⚠️高手勿入! 半小时学会基本操作 ⚠️ 概述模板 概述 OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 21 课) 模板匹配 模板匹配 (Template Matching) 和卷积的原理很像. 模板在原图像上从原点开始滑动, 计算模板与图片被模板覆盖的地方的差别程度. 格式: cv2.matchTemplate(image, templ, method, r

随机推荐