图像处理（十）：模板匹配

模板匹配就是按照一定的相似性规则，在一张图像中寻找与模板最相似的区域。

参考opencv官网：https://docs.opencv.org/3.4.1/de/da9/tutorial_template_matching.html

模板匹配的过程如下：

    左上角小狗图像为定义的模板，下面的图片为待匹配图像，匹配的过程就是按照从左到右，从上到下的顺序，依次遍历全图，通过定义的相似度评判准则，计算模板与当前位置图像块的相似度，进而得到最相似位置，实现目标定位。

    常见的相似度准则有：

    即：平方差、归一化平方差、相关系数、归一化相关系数、互相关五种。

    下面就是代码，这里只实现了两种：平方误差及绝对误差

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

using namespace cv;
using namespace std;

#define SQDIFF 0
#define SADIFF 1

float templateMatch(const Mat & src, const Mat & temp, int & i_match, int & j_match, int Match_methold)
{
	int src_cols = src.cols;
	int src_rows = src.rows;
	int temp_cols = temp.cols;
	int temp_rows = temp.rows;

	int i_end = src_rows - temp.rows + 1;
	int j_end = src.cols - temp.cols + 1;

	float match_degree = FLT_MAX;

	for (int i = 0; i < i_end; i++)
	{
		for (int j = 0; j < j_end; j++)
		{
			float match_ij = 0.0;

			for (int m = 0; m < temp_rows; m++)
			{
				for (int n = 0; n < temp_cols; n++)
				{
					uchar val_s = src.at<uchar>(i + m, j + n);
					uchar val_t = temp.at<uchar>(m, n);
					if (Match_methold == SQDIFF)
					{
						match_ij += float((val_t - val_s) * (val_t - val_s));
					}
					else if (Match_methold == SADIFF)
					{
						match_ij += float(abs(val_t - val_s));
					}
				}
			}
			
			//cout << match_ij << endl;
			if (match_ij < match_degree)
			{
				match_degree = match_ij;
				i_match = i;
				j_match = j;
			}
		}
	}
	

	return match_degree;

}

int main()
{
	Mat src = imread("messi5.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat temp = imread("face.png", CV_LOAD_IMAGE_GRAYSCALE);
	
	float match_degree = 0;
	int i_match = -1, j_match = -1;
	match_degree = templateMatch(src, temp, i_match, j_match, SQDIFF);
	
	cout << i_match << j_match << match_degree << endl;

	Mat src_color;
	cvtColor(src, src_color, COLOR_GRAY2BGR);
	rectangle(src_color, Rect(j_match, i_match, temp.cols, temp.rows), Scalar(255, 0, 0));
	imshow("result", src_color);
	waitKey(0);

	return 0;
}

匹配结果：