网站类型分类,一个好网站,视频网站开发应用到哪些技术,建筑设计怎么学正常模板匹配函数 matchTemplate(img, templatee, resultMat, 0);//模板匹配 这里0代表的是方法#xff0c;一般默认为0就ok
img是输入图像 templatee是模板 resultmat是输出
1、cv::TM_SQDIFF#xff1a;该方法使用平方差进行匹配#xff0c;因此最佳的匹配结果在结果为… 正常模板匹配函数 matchTemplate(img, templatee, resultMat, 0);//模板匹配 这里0代表的是方法一般默认为0就ok
img是输入图像 templatee是模板 resultmat是输出
1、cv::TM_SQDIFF该方法使用平方差进行匹配因此最佳的匹配结果在结果为0处值越大匹配结果越差。2、cv::TM_SQDIFF_NORMED该方法使用归一化的平方差进行匹配最佳匹配也在结果为0处。3、cv::TM_CCORR相关性匹配方法该方法使用源图像与模板图像的卷积结果进行匹配因此最佳匹配位置在值最大处值越小匹配结果越差。4、cv::TM_CCORR_NORMED归一化的相关性匹配方法与相关性匹配方法类似最佳匹配位置也是在值最大处。5、cv::TM_CCOEFF相关性系数匹配方法该方法使用源图像与其均值的差、模板与其均值的差二者之间的相关性进行匹配最佳匹配结果在值等于1处最差匹配结果在值等于-1处值等于0直接表示二者不相关。6、cv::TM_CCOEFF_NORMED归一化的相关性系数匹配方法正值表示匹配的结果较好负值则表示匹配的效果较差也是值越大匹配效果也好。对于输出的说明
就是说result图像中的每一个点的值代表了一次相似度比较结果。 如图可知模板在待测图像上每次在横向或是纵向上移动一个像素并作一次比较计算由此横向比较W-w1次纵向比较H-h1次从而得到一个W-w1×H-h1维的结果矩阵result即是用图像来表示这样的矩阵,因而图像result的大小为W-w1×H-h1。匹配结果图像与原图像之间的大小关系他们之间差了一个模板大小。 对输出值的归一化 normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());//归一化
找出最佳匹配的位置 double minVal; double maxVal; Point minLoc; Point maxLoc;Point matchLoc;minMaxLoc(resultMat, minVal, maxVal, minLoc, maxLoc, Mat());matchLoc minLoc; 我们这里选择了最小值的位置因为我们选的第一种方法也就是值越小越好其他方法有可能是选最大的位置
在图像画出匹配最佳 Mat dispmat;img.copyTo(dispmat);rectangle(dispmat, matchLoc, Point(matchLoc.x templatee.cols, matchLoc.y templatee.rows),CV_RGB(0,255,0), 2, 8, 0);imshow(dispmat, dispmat);waitKey(0);destroyAllWindows();
结果显示 利用opencv自带选取roi模板匹配进行简单的人脸追踪识别 选取roi if (cnt 0) {Rect2d r;r selectROI(frame, true);tempMat frame(r);tempMat.copyTo(refMat);destroyAllWindows();} 完整代码 VideoCapture cap(0);Mat frame;Mat tempMat;Mat refMat;Mat dispMat;Mat resultMat;int cnt 0;while (1) {cap frame;if (cnt 0) {Rect2d r;r selectROI(frame, true);tempMat frame(r);tempMat.copyTo(refMat);destroyAllWindows();}imshow(template, refMat);int match_method 0;matchTemplate(frame, refMat, resultMat, match_method);normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());double minVal; double maxVal; Point minLoc; Point maxLoc;Point matchLoc;minMaxLoc(resultMat, minVal, maxVal, minLoc, maxLoc, Mat());if (match_method TM_SQDIFF || match_method TM_SQDIFF_NORMED){matchLoc minLoc;}else{matchLoc maxLoc;}frame.copyTo(dispMat);rectangle(dispMat, matchLoc, Point(matchLoc.x refMat.cols, matchLoc.y refMat.rows), Scalar::all(0), 2, 8, 0);cnt;//imshow(template, refMat);imshow(dispMat, dispMat);waitKey(30);
至此opencv基础学习到此结束 后期学习一些进阶自学内容。
************************************************----***********************************************************
