opencv关于模板匹配cvMatchTemplate的运用

 首先，参看上图。假设褐色的大图为待测图片，红色小图为模板图片。

       1.result中数据的含义。

       模板匹配函数cvMatchTemplate依次计算模板与待测图片的重叠区域的相似度，并将结果存入映射图像result当中，也就是说result图像中的每一个点的值代表了一次相似度比较结果。

      2.result的尺寸大小。

       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-w+1次，纵向比较H-h+1次，从而得到一个（W-w+1）×（H-h+1）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-w+1）×（H-h+1）。

       3.如何result中获得最佳匹配区域

       使用函数cvMinMaxLoc(result,&min_val,&max_val,&min_loc,&max_loc,NULL);从result中提取最大值（相似度最高）以及最大值的位置（即在result中该最大值max_val的坐标位置max_loc，即模板滑行时左上角的坐标，类似于图中的坐标（x,y）。）

         由此得到：rect=cvRect(max_loc.x,max_loc.y,tmp->width,tmp->height);rect表示的矩形区域即是最佳的匹配区域。

cvMatchTemplate： 比较模板和重叠的图像区域

函数原型：void cvMatchTemplate( const CvArr* image, const CvArr* templ, CvArr* result, int method );

image：欲搜索的图像。它应该是单通道、8-比特或32-比特 浮点数图像

templ：搜索模板，不能大于输入图像，且与输入图像具有一样的数据类型

result：比较结果的映射图像。单通道、32-比特浮点数. 如果图像是 W×H 而 templ 是 w×h ，则 result 一定是 (W-w+1）×(H-h+1）.

method：指定匹配方法：

CV_TM_SQDIFF ：平方差匹配法，最好匹配为0。匹配越差，匹配值越大。

CV_TM_CCORR：相关匹配法，采用模板和图像之间的乘法操作，所以较大的数表示匹配程度较高，0表示最坏的匹配效果。

CV_TM_CCOEFF ：相关匹配法，将模板对其均值的相对值与图像对其均值的相对值进行匹配，1表示完美的匹配，-1表示最糟糕的匹配，0表示没有任何相关性（随机序列）。

归一化方法：

CV_TM_SQDIFF_NORMED 

CV_TM_CCORR_NORMED

 CV_TM_CCOEFF_NORMED

通常，随着从简单的测量（平方差）到更复杂的测量（相关系数），我们可获得越准确的匹配（同时也意味着越来越大的计算代价）。最后的方法就是对所有这些设置多做一些测试实验，以便自己的应用选择同时兼顾速度和精度的最佳方案。

-----------------------------------------------------------------------------------------------

效果图如下：原图：   匹配模板：

匹配结果：

程序源码如下：

#include <cv.h>
#include <highgui.h>
#include <cxcore.h>
#include <stdio.h>

using namespace std;
int main() {
IplImage *src, *temp1, *ftmp;

if ((src = cvLoadImage("f.jpg", 1)) == 0) {

return -1;
}
if ((temp1 = cvLoadImage("part_eye.jpg", 1)) == 0) {
return -1;
}
int iwidth = src->width - temp1->width + 1;
int iheight = src->height - temp1->height + 1;

ftmp = cvCreateImage(cvSize(iwidth, iheight), 32, 1);
double min_val;
double max_val;
CvPoint min_loc;
CvPoint max_loc;

cvMatchTemplate(src, temp1, ftmp, 0);
cvMinMaxLoc(ftmp, &min_val, &max_val, &min_loc, &max_loc, NULL);
cvRectangle(src, cvPoint(min_loc.x, min_loc.y), 

cvPoint((min_loc.x + temp1->width),(min_loc.y + temp1->height)), CV_RGB(0,255,0), 1);
cvNamedWindow("src",1);
cvShowImage("src",src);
cvSaveImage("result1.bmp",src);
cvWaitKey(0);
return 0;
}

我选择了一张明星都敏俊教授的图片作为原图模型，然后选择眼睛部位作为匹配的模板进行匹配，最后能匹配的效果非常好。这个实验对人脸识别，车辆检测，视频监控具有重要的意义。