模板匹配 Match Template 修改版

修改者：madturtle------對於王先生的版本進行了修改，因為有些地方不對。

模板匹配的工作方式

模板匹配的工作方式跟直方圖的反向投影基本一樣，大致過程是這樣的：通過在輸入影象上滑**像塊對實際的影象塊和輸入影象進行匹配。

假設我們有一張100x100的輸入影象，有一張10x10的模板影象，查詢的過程是這樣的：

（1）從輸入影象的左上角(0,0)開始，切割一塊(0,0)至(10,10)的臨時影象；（改者注：其實每次匹配都是在模板的中心點對應的位置來給畫素賦值，即第一次比較應該是將模板的(temp.width/2,temp.height/2)中心點開始的1/4面積同輸入影象進行比較，匹配得到的結果c儲存到模板中心點所在畫素值中，具體參照《learning opencv》，所以最終用來保留匹配結果的影象大小應該是size =  （images->width - patch_size.x + 1,images->height - patch_size.y + 1））

（2）用臨時影象和模板影象進行對比，對比結果記為c；

（3）對比結果c，就是結果影象(0,0)處的畫素值；

（4）切割輸入影象從(0,1)至(10,11)的臨時影象，對比，並記錄到結果影象；

（5）重複（1）～（4）步直到輸入影象的右下角。

大家可以看到，直方圖反向投影對比的是直方圖，而模板匹配對比的是影象的畫素值；模板匹配比直方圖反向投影速度要快一些，但是我個人認為直方圖反向投影的魯棒性會更好。

模板匹配的匹配方式

在opencv和emgucv中支援以下6種對比方式：

cv_tm_sqdiff 平方差匹配法：該方法採用平方差來進行匹配；最好的匹配值為0；匹配越差，匹配值越大。

cv_tm_ccorr 相關匹配法：該方法採用乘法操作；數值越大表明匹配程度越好。

cv_tm_ccoeff 相關係數匹配法：1表示完美的匹配；-1表示最差的匹配。

cv_tm_sqdiff_normed 歸一化平方差匹配法

cv_tm_ccorr_normed 歸一化相關匹配法

cv_tm_ccoeff_normed 歸一化相關係數匹配法

根據我的測試結果來看，上述幾種匹配方式需要的計算時間比較接近（跟《學習opencv》書上說的不同），我們可以選擇乙個能適應場景的匹配方式。

模板匹配的示例**

下面是模板匹配的c#版本**：

//模板匹配

private void btncalc_click(object sender, eventargs e)
//色彩空間
string colorspace = (string)cmbcolorspace.selecteditem;
iimage imageinput2, imagetemplate2;
if (colorspace == "gray")
else if (colorspace == "hsv")
else
//匹配方式陣列
tm_type tmtypes = new tm_type ;
//輸出影象（匹配結果）
image imageresults = new image[tmtypes.length];
//依次執行每種匹配，並歸一化結果
int i = 0;
double totaltime = 0d; //總共用時
double time; //每種匹配的用時
stopwatch sw = new stopwatch();
txtresult.text += string.format("開始執行匹配（色彩空間：，縮放因子：）/r/n", colorspace, scale);
foreach (tm_type tmtype in tmtypes)
，用時：毫秒，最匹配的點：(,)，最匹配的值：/r/n", tmtype, time, bestpoint.x, bestpoint.y, bestvalue);
} 
txtresult.text += string.format("匹配結束，共用時：毫秒/r/n", totaltime);
//顯示結果影象
pbresultsqdiff.image = imageconverter.imagesingletobitmap(imageresults[0]);
pbresultsqdiffnormalized.image = imageconverter.imagesingletobitmap(imageresults[1]);
pbresultccorr.image = imageconverter.imagesingletobitmap(imageresults[2]);
pbresultccorrnormalized.image = imageconverter.imagesingletobitmap(imageresults[3]);
pbresultccoeff.image = imageconverter.imagesingletobitmap(imageresults[4]);
pbresultccoeffnormalized.image = imageconverter.imagesingletobitmap(imageresults[5]);
//釋放資源
imageinput.dispose();
imagetemplate.dispose();
imageinput2.dispose();
imagetemplate2.dispose();
foreach (imageimageresult in imageresults)
imageresult.dispose();
} 
//找到最匹配的點，以及該點的值
private void findbestmatchpointandvalue(imageimage, tm_type tmtype, out double bestvalue, out point bestpoint)
else
} 

/// 

/// 將任意浮點型影象轉換成byte影象；
/// 本轉換函式對浮點型影象的具體畫素值沒有要求，自動將值縮放到0～255之間。
/// 
/// 影象的色彩空間
/// 浮點型影象
/// 返回byte型影象
public static imageimagesingletobyte(imagesource)
where tcolor : struct, icolor
//得到縮放比率和偏移量
double scale = 1.0, shift = 0.0;
scale = (max == min) ? 0.0 : 255.0 / (max - min);
shift = (scale == 0) ? min : -min * scale;
//縮放影象，並浮點影象縮放到256級的灰度
cvinvoke.cvconvertscaleabs(source.ptr, dest.ptr, scale, shift);
return dest;
} 
/// 
/// 將任意浮點型影象轉換成每通道8位的bitmap；
/// 本轉換函式對浮點型影象的具體畫素值沒有要求，自動將值縮放到0～255之間。
/// 
/// 影象的色彩空間
/// 浮點型影象
/// 返回每通道8位的bitmap
左上是輸入影象，左中是模板影象，右邊是各種匹配方式的結果（相關匹配的結果明顯不正確）
模板匹配和直方圖反向投影的效率
總的來說，模板匹配和直方圖反向投影的效率都不高。在我的機器上，在1136*852大小的輸入影象上匹配104*132的大小的模板影象（都是單通道灰度影象），大約需要700毫秒；而直方圖反向投影大約需要75000毫秒（1.25分鐘）。看來還需要繼續學習，尋找更好的處理方法。
另一方面，通過搜尋opencv的源**，發現opencv基本上沒有使用平行計算。如果學習完之後，還有時間和熱情，我準備嘗試優化下opencv的平行計算；如果.net 4.0正式版推出了，也可以選擇在這一方面做點優化。
 
OpenCV模板匹配
include include opencv2 opencv.hpp using namespace std using namespace cv int main int argc,char argv load reference image img imread argv 1 always ch...
opencv模板匹配
模板匹配是一種用於在源影象s中尋找定位給定目標影象t 即模板影象 的技術。其原理很簡單，就是通過一些相似度準則來衡量兩個影象塊之間的相似度similarity s,t 2.用途 模板匹配方法常用於一些平面影象處理中，例如印刷中的數字 工業零器件等小尺寸目標影象識別分類。3.方法 模板匹配中，源影象和...
模板匹配opencv
模板匹配，就是在一幅影象中尋找另一幅模板影象最匹配 也就是最相似 的部分的技術。說的有點抽象，下面給個例子說明就很明白了。在上面這幅全明星照中，我們想找出姚明頭像的位置，並把它標記出來，可以做到嗎？可以，這就是模板匹配的要做的事情。其實模板匹配實現的思想也是很簡單很暴力的，就是拿著模板 姚明頭像 在...