原图中寻找模板匹配图像

 

 

 

 

 

 代码如下：

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

#include <math.h>
using namespace std;
using namespace cv;

Mat src, temp, dst;
//Trackbar的参数：
int match_method = TM_SQDIFF;  //match_method指针指向第一种匹配方法
int max_track = 5;             // max_track指针有5种方法       

const char* INPUT_T = "input image";
const char* OUTPUT_T = "result image";
const char* match_t = "template match-demo";
void Match_Demo(int, void*);
int main(int argc, char** argv) {
    // 待检测图像
    src = imread("L:/10.jpg");
    // 模板图像
    temp = imread("L:/11.jpg");
    if (src.empty() || temp.empty()) {
        printf("could not load image...
");
        return -1;
    }
    namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
    namedWindow(OUTPUT_T, CV_WINDOW_NORMAL);
    namedWindow(match_t, CV_WINDOW_AUTOSIZE);
    imshow(INPUT_T, temp);
    const char* trackbar_title = "Match Algo Type:";
    createTrackbar(trackbar_title, OUTPUT_T, &match_method, max_track, Match_Demo); 
    // 注意两个指针的作用 &match_method, max_track
    Match_Demo(0, 0);

    waitKey(0);
    return 0;
}

void Match_Demo(int, void*) {
    //定义一个result矩阵,必须是单通道32位浮点数，
    //假设源图像WxH,模板图像wxh,则结果必须为W - w + 1, H - h + 1的大小。
    int width = src.cols - temp.cols + 1;
    int height = src.rows - temp.rows + 1;
    Mat result(width, height, CV_32FC1);    

    matchTemplate(src, temp, result, match_method, Mat()); //match_method指针指的是5种方法
    //matchTemplate魔板匹配函数：1.源图像  2.模板图像 3.输出结果result  4.匹配方法 5.Mat()
    
    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());    //归一化函数


    Point minLoc;                         //匹配计算结果中最小值的位置点
    Point maxLoc;                         //匹配计算结果最大值的位置点 
    double min, max;                      // double型
    src.copyTo(dst);                         
    Point temLoc;                         //定义找到位置的坐标点
    minMaxLoc(result, &min, &max, &minLoc, &maxLoc, Mat());  //找出result矩阵中值最小和最大的点

    if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED) {
        temLoc = minLoc;
    }
    else {
        temLoc = maxLoc;
    }

    // 绘制矩形
    rectangle(dst, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);
    //rectangle函数参数：1.目标图像 2.矩形Rect的起点坐标和矩形长宽  3.线条颜色  4.粗细  5.默认8反锯齿
    rectangle(result, Rect(temLoc.x, temLoc.y, temp.cols, temp.rows), Scalar(0, 0, 255), 2, 8);

    imshow(OUTPUT_T, result);
    imshow(match_t, dst);
}

 原图：                                                             

             

模板：

 五种匹配结果：（注:这里的result image是归一化后的计算图像，找到与模板匹配的矩形坐标点后分别标画出来的）

 

 

 

 

 

 

 由上面结果可以看出，除了第三种方法不能在图像上找到与模板匹配的位置以外，

其他四种方法都能精确的找到车标的准确位置。