opencv学习：匹配模板函数matchTemplate

函数

createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );
/*

参数1：滑动条轨迹名
参数2：滑动条依附的窗口名
参数3：滑块的位置，创建时，滑块初始位置就是这个变量当前的值
参数4：轨迹的最大值
参数5：回调函数
参数6：默认0，用户传给回调函数的数据，如果第三个值为全局变量，忽略这个值.

/
result.create( result_rows, result_cols, CV_32FC1 );
/
函数原型:
inline void Mat::create(int _rows, int _cols, int _type)
inline void Mat::create(Size _sz, int _type)
void Mat::create(int ndims, const int* sizes, int type)
函数功能:
1)如果需要，分配新的数组数据
2)创建一个图像矩阵的矩阵体
函数参数:
1)ndims:新的数组维数
2)rows :新数组的行数
3)cols :列数
4)Size :新矩阵的尺寸
5)type :新的矩阵类型
/
normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
/
src 输入数组

dst 输出数组，支持原地运算

alpha

	range normalization模式的最小值

beta

	range normalization模式的最大值，不用于norm normalization(范数归一化)模式。

normType

	归一化的类型，可以有以下的取值：

	NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。

	NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)

	NORM_L1 :  归一化数组的L1-范数(绝对值的和)

	NORM_L2: 归一化数组的(欧几里德)L2-范数

dtype

	dtype为负数时，输出数组的type与输入数组的type相同；

 否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

mask

	操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

*/

minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );
/*
参数解释

参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。
*/

rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
/*
img
图像.
pt1
矩形的一个顶点。
pt2
矩形对角线上的另一个顶点
color
线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。
thickness
组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。
line_type
线条的类型。见cvLine的描述
shift
坐标点的小数点位数。
*/

全部的代码

/**
 * @file MatchTemplate_Demo.cpp
 * @brief Sample code to use the function MatchTemplate
 * @author OpenCV team
 */

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2\opencv.hpp"
#include <iostream>
#include <stdio.h>
#include <string>

using namespace std;
using namespace cv;

/// Global Variables
Mat img; Mat templ; Mat result;
const char* image_window = "Source Image";
const char* result_window = "Result window";

int match_method;
int max_Trackbar = 5;

/// Function Headers
void MatchingMethod( int, void* );

/**
 * @function main
 */
int main()
{
	// int, char** argv
  /// Load image and template
	
  img = imread("big.jpeg",  IMREAD_COLOR);
  templ = imread("small.jpeg", IMREAD_COLOR);   
  //argv[2]
  //cout << "this is arg1:" << argv[1] << endl;
  //cout << "this is arg2:" << argv[2] << endl;

  /// Create windows
  namedWindow( image_window, WINDOW_AUTOSIZE );
  namedWindow( result_window, WINDOW_AUTOSIZE );

  /// Create Trackbar制造图中的刻度标识
  const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";



  createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );
  /*
	 参数1：滑动条轨迹名

	参数2：滑动条依附的窗口名

	参数3：滑块的位置，创建时，滑块初始位置就是这个变量当前的值

	参数4：轨迹的最大值

	参数5：回调函数

	参数6：默认0，用户传给回调函数的数据，如果第三个值为全局变量，忽略这个值.
  */

  MatchingMethod( 0, 0 );

  waitKey(0);
  return 0;
}

/**
 * @function MatchingMethod
 * @brief Trackbar callback
 */
void MatchingMethod( int, void* )
{
  /// Source image to display
  Mat img_display;
  img.copyTo( img_display );

  /// Create the result matrix
  int result_cols =  img.cols - templ.cols + 1;
  int result_rows = img.rows - templ.rows + 1;

  result.create( result_rows, result_cols, CV_32FC1 );
  /*
  函数原型: 
        inline void Mat::create(int _rows, int _cols, int _type) 
        inline void Mat::create(Size _sz, int _type) 
        void Mat::create(int ndims, const int* sizes, int type) 
  函数功能: 
        1)如果需要，分配新的数组数据 
        2)创建一个图像矩阵的矩阵体 
  函数参数: 
        1)ndims:新的数组维数 
        2)rows :新数组的行数 
        3)cols :列数 
        4)Size :新矩阵的尺寸 
        5)type :新的矩阵类型 
  */

  /// Do the Matching and Normalize
  matchTemplate( img, templ, result, match_method );
  normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
  /*
  src  输入数组

	dst 输出数组，支持原地运算

	alpha

    	range normalization模式的最小值

	beta

    	range normalization模式的最大值，不用于norm normalization(范数归一化)模式。

	normType

    	归一化的类型，可以有以下的取值：

    	NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。

    	NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)

    	NORM_L1 :  归一化数组的L1-范数(绝对值的和)

    	NORM_L2: 归一化数组的(欧几里德)L2-范数

	dtype

    	dtype为负数时，输出数组的type与输入数组的type相同；

	否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

	mask

    	操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。
  */

  /// Localizing the best match with minMaxLoc
  double minVal; double maxVal; Point minLoc; Point maxLoc;
  //Point是自己定义的类型，里面包括x,和y成员
  Point matchLoc;

  minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );
	/*
	  参数解释
	参数1：InputArray类型的src，输入单通道数组（图像）。
	参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
	参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
	参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
	参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
	参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。
	*/


  /// For SQDIFF and SQDIFF_NORMED, the best matches are lower values. For all the other methods, the higher the better
  if( match_method  == TM_SQDIFF || match_method == TM_SQDIFF_NORMED )
    { matchLoc = minLoc; }
  else
    { matchLoc = maxLoc; }

  /// Show me what you got
  rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
  /*
	  img
	图像.
	pt1
	矩形的一个顶点。
	pt2
	矩形对角线上的另一个顶点
	color
	线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。
	thickness
	组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。
	line_type
	线条的类型。见cvLine的描述
	shift
	坐标点的小数点位数。
  */
  rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

  imshow( image_window, img_display );
  imshow( result_window, result );

  return;
}

参考链接

opencv教程