OpenCV模板匹配matchTemplate的实现

我会详细讲解 “OpenCV模板匹配matchTemplate的实现”的完整攻略，下面是具体的步骤：

1. 准备工作

首先，我们需要引入OpenCV库，并导入需要的头文件。在C++代码中，我们可以使用以下代码实现引入：

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

2. 读取图像

我们需要先读取需要进行模板匹配的原始图像和模板图像，并对其进行灰度转换。在读取图像的过程中，我们可以使用以下代码：

//读取原始图像和模板图像
Mat img = imread("原始图像.jpg");
Mat tpl = imread("模板图像.jpg");
//将图像转为灰度图像
Mat img_gray, tpl_gray;
cvtColor(img, img_gray, COLOR_BGR2GRAY);
cvtColor(tpl, tpl_gray, COLOR_BGR2GRAY);

3. 执行模板匹配

在将图像转为灰度图像的基础上，我们可以使用matchTemplate()函数对原始图像和模板图像进行模板匹配。其函数参数如下：

void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method, InputArray mask=noArray());

其中，参数image、templ均为输入参数，分别为原始图像和模板图像；参数result为输出参数，用于保存匹配结果；参数method是匹配算法，如下表所示：

常数名称	意义
TM_SQDIFF	平方差匹配法
TM_SQDIFF_NORMED	归一化平方差匹配法
TM_CCOEFF	相关系数匹配法
TM_CCOEFF_NORMED	归一化相关系数匹配法
TM_CCORR	相关匹配法
TM_CCORR_NORMED	归一化相关匹配法

其中，平方差匹配法（TM_SQDIFF）一般用于基准图像较小，需要在目标图像中寻找匹配区域的情况。而相关系数匹配法（TM_CCOEFF）一般用于基准图像较大，需要在目标图像中寻找相似度最高的区域的情况。

以下代码以归一化相关系数匹配法为例：

Mat match_img; //用于保存匹配结果
matchTemplate(img_gray, tpl_gray, match_img, TM_CCOEFF_NORMED);

4. 获取匹配结果

matchTemplate()函数将匹配结果保存在match_img中，接下来我们需要在match_img中寻找到相似度最高的区域。可以使用以下代码：

double min_val, max_val; //用于保存匹配值的最小值和最大值
Point min_loc, max_loc; //用于保存匹配值的最小位置和最大位置
minMaxLoc(match_img, &min_val, &max_val, &min_loc, &max_loc); //求得最大匹配值的位置

5. 显示结果

最后，将匹配结果显示出来。可以使用以下代码：

//在原始图像中，标出匹配的区域
rectangle(img, max_loc, Point(max_loc.x + tpl.cols, max_loc.y + tpl.rows), Scalar(0,0,255), 2, 8, 0);
//显示匹配结果
imshow("Match result", img);
waitKey(0);

至此，我们就完成了OpenCV模板匹配matchTemplate的实现过程。以下是两个可供参考的示例：

示例1：基于平方差匹配的模板匹配

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

int main()
{
    //读取原始图像和模板图像
    Mat img = imread("original.jpg");
    Mat tpl = imread("template.jpg");
    //将图像转为灰度图像
    Mat img_gray, tpl_gray;
    cvtColor(img, img_gray, COLOR_BGR2GRAY);
    cvtColor(tpl, tpl_gray, COLOR_BGR2GRAY);

    //执行模板匹配
    Mat match_img;
    matchTemplate(img_gray, tpl_gray, match_img, TM_SQDIFF);

    //获取匹配结果
    double min_val, max_val;
    Point min_loc, max_loc;
    minMaxLoc(match_img, &min_val, &max_val, &min_loc, &max_loc);

    //在原始图像中，标出匹配的区域
    rectangle(img, min_loc, Point(min_loc.x + tpl.cols, min_loc.y + tpl.rows), Scalar(0,0,255), 2, 8, 0);

    //显示匹配结果
    imshow("Match result", img);
    waitKey(0);
    return 0;
}

示例2：基于相关系数匹配的模板匹配

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

int main()
{
    //读取原始图像和模板图像
    Mat img = imread("original.jpg");
    Mat tpl = imread("template.jpg");
    //将图像转为灰度图像
    Mat img_gray, tpl_gray;
    cvtColor(img, img_gray, COLOR_BGR2GRAY);
    cvtColor(tpl, tpl_gray, COLOR_BGR2GRAY);

    //执行模板匹配
    Mat match_img;
    matchTemplate(img_gray, tpl_gray, match_img, TM_CCOEFF_NORMED);

    //获取匹配结果
    double min_val, max_val;
    Point min_loc, max_loc;
    minMaxLoc(match_img, &min_val, &max_val, &min_loc, &max_loc);

    //在原始图像中，标出匹配的区域
    rectangle(img, max_loc, Point(max_loc.x + tpl.cols, max_loc.y + tpl.rows), Scalar(0,0,255), 2, 8, 0);

    //显示匹配结果
    imshow("Match result", img);
    waitKey(0);
    return 0;
}

希望以上讲解能够对你有所帮助。