在进行模板匹配时,直接调用opencv的函数时,要求模板和原图像中的目标的尺寸要相同,否则,就不能得到令人满意的结果,不具有尺度不变性。在此利用opencv中的尺度变换函数的模板匹配函数,提出一种具有尺度不变的模板匹配方法。
下面假设模板比原图像中的目标的尺寸大。
因为模板的尺寸较大,不断减小模板的尺寸,并且每减小一次,进行一次模板匹配,当减小到设定的值之后,对每次模板匹配得到的结果进行比较:采用CV_TM_SQDIFF方法,将得到的结果矩阵中的最小值除以每一次进行匹配的模板的大小,即每一个像素值对应的差的平方的均值,最小值对应的尺寸就是最终匹配结果的尺寸,该尺寸下匹配得到原图像中模板的位置就是最终的匹配结果。
上程序:
#include
#include
#include
#include
#include
using namespace std;
using namespace cv;
int app(vector
int main( )
{
Mat img = imread("图片1.jpg"); //原图像
Mat temp = imread("图片2.jpg"); //模板
Mat result;
vector
vector
vector
down_temp.push_back(temp);
for (int i=0;i<4;i++)
{
Mat temp1;
cout< cout< int result_cols = img.cols - down_temp[i].cols + 1; int result_rows = img.rows - down_temp[i].rows + 1; result.create( result_cols, result_rows, CV_32FC1 ); matchTemplate( img, down_temp[i], result, CV_TM_SQDIFF ); double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc); minVal=minVal/(down_temp[i].cols*down_temp[i].rows); cout< minV.push_back(minVal); minL.push_back(minLoc); resize( down_temp[i], temp1, Size( down_temp[i].cols/1.3, down_temp[i].rows/1.5) ); down_temp.push_back(temp1); } int location; location = app(minV); rectangle( img, minL[location], Point( minL[location].x + down_temp[location].cols , minL[location].y + down_temp[location].rows ), Scalar::all(0), 2, 8, 0 ); imshow("结果",img); waitKey(); return 0; } int app(vector { int t=0; for (int i = 1; i < minV.size();i++) { if (minV[i] < minV[t]) t = i; } return t; }