这篇文章主要介绍“opencvC++模板匹配的实现方法”，在日常操作中，相信很多人在opencvC++模板匹配的实现方法问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”opencvC++模板匹配的实现方法”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一 简单实现

#include<opencv2/opencv.hpp>#include<iostream>usingnamespacecv;usingnamespacestd;intmain(){Matimg=imread("52.jpg");Mattempl=imread("templ.jpg");Matresult;matchTemplate(img,templ,result,TM_CCOEFF_NORMED);//原图，模板，匹配方法doublemaxVal,minVal;PointmaxLoc,minLoc;//寻找最大值，最小值minMaxLoc(result,&minVal,&maxVal,&minLoc,&maxLoc);//绘制矩形，矩形的左上角是最大值的位置，右下角是在最大值上加上模板的行宽和和列高rectangle(img,Point(maxLoc.x,maxLoc.y),Point(maxLoc.x+templ.cols,maxLoc.y+templ.rows),Scalar(0,0,255),2);//颜色红色，粗度2imshow("原图",img);imshow("模板",templ);imshow("result",result);waitKey(0);return0;}

结果如下，分别是模板图，原图（找到了与模板匹配的部分，并矩形框标记，结果图，暂时觉得有点问题的 ）

二 函数及原理讲解1 matchTemplate()参数详解

matchTemplate(InputArrayimage,InputArraytempl,OutputArrayresult,intmethod);

image：待匹配的源图像
templ：模板图像
result：保存结果的矩阵，我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置.

method：模板匹配的算法有以下六种：　　enum{TM_SQDIFF=0,TM_SQDIFF_NORMED=1,TM_CCORR=2,TM_CCORR_NORMED=3,TM_CCOEFF=4,TM_CCOEFF_NORMED=5};

TM_SQDIFF，TM_SQDIFF_NORMED匹配数值越低表示匹配效果越好，其它四种反之。
TM_SQDIFF_NORMED，TM_CCORR_NORMED，TM_CCOEFF_NORMED是标准化的匹配，得到的最大值，最小值范围在0~1之间，其它则需要自己对结果矩阵归一化。
不同的方法会得到差异很大的结果，可以通过测试选择最合适的方法。

cv::TM_SQDIFF 判断 minVal 越小，效果越好
计算模板与目标图像的方差，由于是像素值差值的平方的和，所以值越小匹配程度越高；

cv::TM_SQDIFF_NORMED 判断 minVal 越接近0，效果越好
范化的cv::TM_SQDIFF，取值为0-1之间，完美匹配返回值为0；

cv::TM_CCORR 判断 maxVal 越大，效果越好
使用dot product计算匹配度，越高匹配度就好；

cv::TM_CCORR_NORMED 判断 maxVal 越接近1，效果越好
范化的cv::TM_CCORR，0-1之间，我用的这个；

cv::TM_CCOEFF 判断 maxVal 越大，效果越好
采用模板与目标图像像素与各自图像的平均值计算dot product，正值越大匹配度越高，负值越大图像的区别越大，但如果图像没有明显的特征（即图像中的像素值与平均值接近）则返回值越接近0；

cv::TM_CCOEFF_NORMED 判断 maxVal 越接近1，效果越好
范化的cv::TM_CCOEFF，-1 ~ 1之间。

2 minMaxLoc()函数

查找全局最小和最大稀疏数组元素并返回其值及其位置

voidminMaxLoc(constSparseMat&a,double*minVal,double*maxVal,int*minIdx=0,int*maxIdx=0);

a: 匹配结果矩阵
&minVal 和 &maxVal: 在矩阵 result 中存储的最小值和最大值
&minLoc 和 &maxLoc: 在结果矩阵中最小值和最大值的坐标.

到此，关于“opencvC++模板匹配的实现方法”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！