Opencv Match Template(轮廓匹配)

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

using namespace std;
using namespace cv;

Mat img1, img2, img3, img4,img_result, img_gray1, img_gray2, img_gray3, img_hsv1, img_hsv2, img_hsv3;
MatND img_hist1, img_hist2, img_hist3;

char win1[] = "window1";
char win2[] = "window2";
char win3[] = "window3";
char win4[] = "window4";
char win5[] = "window5";

int threshold_value = 0;
int max_value = 255;
RNG rng(12345);

int Demo_Match_Template();
string convertToString(double d);
void Demo_Match(int,void*);

int index = 0;
int match_threshold = 20;
int max_track = 255;
int match_method = CV_TM_SQDIFF;

//模板匹配
int Demo_Match_Template()
{
  namedWindow(win1, CV_WINDOW_AUTOSIZE);
  //namedWindow(win2, CV_WINDOW_AUTOSIZE);
  namedWindow(win3, CV_WINDOW_AUTOSIZE);

  img1 = imread("D://images//1//p5.jpg");
  img2 = imread("D://images//1//p5_1.jpg");
  if (img1.empty()||img2.empty())
  {
    cout << "could not load image..." << endl;
    return 0;
  }
  //imshow(win1, img1);
  createTrackbar("Trace bar", win1, &match_threshold, max_track, Demo_Match);
  Demo_Match(0,0);
  imshow(win1, img1);
  return 0;
}

void Demo_Match(int, void*)
{
  int width = img1.cols - img2.cols + 1;
  int height = img1.rows - img2.rows + 1;
  img3 = Mat(width,height,CV_32FC1);

  matchTemplate(img1, img2, img3, match_method, Mat());
  //归一化
  normalize(img3, img3, 0, 1, NORM_MINMAX,-1,Mat());

  Point minLoc;
  Point maxLoc;
  Point tempLoc;
  double min, max;
  minMaxLoc(img3, &min, &max, &minLoc, &maxLoc, Mat());

  if (match_method==CV_TM_SQDIFF || match_method==CV_TM_SQDIFF_NORMED)
  {
    tempLoc = minLoc;
  }
  else
  {
    tempLoc = maxLoc;
  }
  img1.copyTo(img4);
  //绘制矩形
  rectangle(img4, Rect(tempLoc.x, tempLoc.y,img2.cols,img2.rows),Scalar(0,0,255),2,8);
  //rectangle(img3, Rect(tempLoc.x, tempLoc.y, img2.cols, img2.rows), Scalar(0, 0, 255), 2, 8);

  imshow(win2,img2);
  imshow(win3,img4);
}

string convertToString(double d)
{
  ostringstream os;
  if (os << d)
  {
    return os.str();
  }
  return "Invalid conversion...";
}

int main()
{
  Demo_Match_Template();

  waitKey(0);
  return 0;
}

原文地址:https://www.cnblogs.com/herd/p/9737314.html

时间: 2024-10-31 20:32:14

Opencv Match Template(轮廓匹配)的相关文章

【OpenCV学习笔记】三十、轮廓特征属性及应用(七)—位置关系及轮廓匹配

http://blog.csdn.net/abc8730866/article/details/69219992 轮廓特征属性及应用(七)-位置关系及轮廓匹配 1.计算点与轮廓的距离及位置关系--pointPolygonTest() 2.矩的计算--moments() 3.形状匹配(比较两个形状或轮廓间的相似度)--matchShapes() 先上ppt: 代码:1.计算点到轮廓的距离与位置关系 [cpp] view plain copy ///计算点到轮廓的距离与位置关系 #include "

OpenCV -- 找图片轮廓

import cv2 img = cv2.imread( 'E:\A.jpeg' ) cv2.imshow( 'img', img ) gray = cv2.cvtColor( img, cv2.COLOR_BGR2GRAY ) ret, binary = cv2.threshold( gray, 127, 255, cv2.THRESH_BINARY ) contours, hierarchy = cv2.findContours( binary, cv2.RETR_TREE, cv2.CHA

OpenCV提取图像轮廓总结

OpenCV函数 cvFindContours提取轮廓 :点击打开链接  点击打开链接 点击打开链接 点击打开链接 提取元素的轮廓及形状描述子 点击打开链接 提取轮廓的点坐标 轮廓提取后,它是用关键点组成的,下面提取出这些关键点. 1.先输出所有关键点的个数cout<<"elements"<<contour->total<<endl; 2.for(int i=0;i<contour->total;++i) { CvPoint* p

使用Python+OpenCV进行图像模板匹配(Match Template)

http://bluewhale.cc/2017-09-22/use-python-opencv-for-image-template-matching-match-template.html 原文地址:https://www.cnblogs.com/eustoma/p/9403582.html

opencv:轮廓匹配

#include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; RNG rng(12345); void contour_info(Mat &image, vector<vector<Point>> &contours); int main(int argc, char** argv) { Mat src1 = imread(

十一 模板匹配match template

一.介绍 1.模板匹配 通俗讲就是以图找图,通过图中的一部分来找它在图中的位置(模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域). 模板匹配是一种最原始.最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,这就是一个匹配问题.它是图像处理中最基本.最常用的匹配方法. 2.作用有局限性 必须在指定的环境下,才能匹配成功,是受到很多因素的影响,所以有一定的适应性 模板匹配具有自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该

OpenCV Tutorials &mdash;&mdash; Template Matching

模板匹配 从源图像中发掘目标图像 将目标图像块逐像素滑动,然后度量此区域的源图像块和目标图像块的匹配程度 匹配都最高的像素位置作为最终定位   void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method) 度量手段 -- 相关性 method=CV_TM_SQDIFF method=CV_TM_SQDIFF_NORMED method=CV_TM_CCORR method=CV_TM_

基于opencv的视频流 模板匹配 (灰度化 二值化 )

#include <cv.h> #include <highgui.h> #include <windows.h> // 获取直方图 // 1. pImageData 图像数据 // 2. nWidth 图像宽度 // 3. nHeight 图像高度 // 4. nWidthStep 图像行大小 // 5. pHistogram 直方图 BOOL GetHistogram(unsigned char *pImageData, int nWidth, int nHeigh

OpenCV特征点检测匹配图像-----添加包围盒

最终效果: 其实这个小功能非常有用,甚至加上只有给人感觉好像人脸检测,目标检测直接成了demo了,主要代码如下: // localize the object std::vector<Point2f> obj; std::vector<Point2f> scene; for (size_t i = 0; i < good_matches.size(); ++i) { // get the keypoints from the good matches obj.push_bac