matchTemplate函数原型
void cv::matchTemplate(InputArray image, InputArray templ, OutputArray result, int method, InputArray mask = noArray() )
| 参数 | 含义 |
|---|---|
| image | 正在运行搜索的图像。 它必须是 8 位或 32 位浮点数。 |
| templ | 搜索到的模板。 它必须不大于源图像并且具有相同的数据类型。 |
| result | 比较结果图。 它必须是单通道 32 位浮点数。 如果 image 是 W×H 并且 templ 是 w×h ，那么结果是 (W−w+1)×(H−h+1) |
| method | 指定比较方法的参数，请参见TemplateMatchModes |
| mask | 搜索模板的掩码。 它必须与 templ 具有相同的数据类型和大小。 默认情况下未设置。 目前，仅支持 TM_SQDIFF 和 TM_CCOEFF_NORMED 方法。 |
enum cv::TemplateMatchModes枚举量
将模板与重叠的图像区域进行比较。
该函数在图像中滑动，使用指定的方法将大小为 w×h 的重叠块与 templ 进行比较，并将比较结果存储在 result 中。 以下是可用比较方法的公式（I 表示图像，T 是模板，R 是结果）。求和是在模板和/或图像块上完成的：x′=0…w−1,y′=0…h−1
函数完成比较后，可以使用 minMaxLoc 函数以全局最小值（使用 TM_SQDIFF 时）或最大值（使用 TM_CCORR 或 TM_CCOEFF 时）找到最佳匹配。 在彩色图像的情况下，分子中的模板总和和分母中的每个总和在所有通道上完成，并且每个通道使用单独的平均值。 即该函数可以获取一个颜色模板和一个彩色图像。 结果仍然是单通道图像，更易于分析。
normalize函数原型
void cv::normalize(InputArray src, InputOutputArray dst, double alpha = 1, double beta = 0, int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray() )
| 参数 | 含义 |
|---|---|
| src | 输入数组 |
| dst | 与 src 大小相同的输出数组 |
| alpha | 在范围归一化的情况下，规范值或范围下限。 |
| beta | 范围归一化情况下的范围上限；它不用于规范标准化。 |
| norm_type | 归一化类型，见cv::NormTypes |
| dtype | 当为负数时，输出数组的类型与 src 相同； 否则，它具有与 src 相同数量的通道和深度 =CV_MAT_DEPTH(dtype)。 |
| mask | 可选操作掩码 |
规范化数组的范数或值范围。
minMaxLoc函数原型
void cv::minMaxLoc(InputArray src, double* minVal, double* maxVal = 0, Point* minLoc = 0, Point* maxLoc = 0, InputArray mask = noArray() )
| 参数 | 含义 |
|---|---|
| src | 单通道输入数组 |
| minVal | 指向返回的最小值的指针； 如果不需要，则使用 NULL。 |
| maxVal | 指向返回的最大值的指针； 如果不需要，则使用 NULL。 |
| minLoc | 指向返回的最小位置的指针（在 2D 情况下）； 如果不需要，则使用 NULL。 |
| maxLoc | 指向返回的最大位置的指针（在 2D 情况下）； 如果不需要，则使用 NULL。 |
| mask | 用于选择子数组的可选掩码 |
查找数组中的全局最小值和最大值。
函数 cv::minMaxLoc 查找最小和最大元素值及其位置。 在整个数组中搜索极值，如果 mask 不是空数组，则在指定的数组区域中搜索。
该功能不适用于多通道阵列。 如果您需要在所有通道中找到最小或最大元素，请先使用 Mat::reshape 将数组重新解释为单通道。 或者，您可以使用 extractImageCOI 或 mixChannels 或 split 提取特定通道。
Mat::create函数原型
void cv::Mat::create(int rows, int cols, int type )
这是 Mat 的关键方法之一。 大多数产生数组的新型 OpenCV 函数和方法为每个输出数组调用此方法。
模板匹配例程
参考官方例程：samples/cpp/tutorial_code/Histograms_Matching/MatchTemplate_Demo.cpp
#include#include #include using namespace std; using namespace cv; int main() { string srcPath = "./lena.jpg"; string templPath = "./lena-templ.jpg"; Mat result; Mat img = imread(srcPath); Mat templ = imread(templPath); int resultCols = img.cols - templ.cols + 1; //col = W - w + 1 int resultRows = img.rows - templ.rows + 1; //row = H - h + 1 result.create(resultRows, resultCols, CV_32FC1); int method = TM_CCORR_NORMED; matchTemplate(img, templ, result, method); normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat()); double minVal, maxVal; Point minLoc, maxLoc; Point matchLoc; cout << "result_channel: " << result.channels() << endl; minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc); if (method == TM_SQDIFF || method == TM_SQDIFF_NORMED) { matchLoc = minLoc; } else { matchLoc = maxLoc; } rectangle(img, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar(255, 0, 0), 2, 8, 0); imshow("match-result", img); waitKey(0); return 0; }
匹配结果
