图像处理之模板匹配_模板匹配理论的优缺点

模板匹配法

       模板匹配是一种用于在源图像S中寻找定位给定目标图像T（即模板图像）的技术。其原理很简单，就是通过一些相似度准则来衡量两个图像块之间的相似度Similarity(S,T)。

模板匹配的工作方式

       模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：

 （1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；

 （2）用临时图像和模板图像进行对比，对比结果记为c；

 （3）对比结果c，就是结果图像(0,0)处的像素值；

 （4）切割输入图像从(0,1)至(10,11)的临时图像，对比，并记录到结果图像；

 （5）重复（1）～（4）步直到输入图像的右下角。

模板匹配方法的优缺点：

       优点：简单、直接

       缺点：不具有旋转不变性、不具有尺度不变性

	代码如下：  
	int main()  
	{  
	    Mat img, templ, result;  
	    img = imread("match_dst.jpg");  
	    templ = imread("match_src.jpg");  
	    /*img = imread("1.jpg"); 
	    templ = imread("2.jpg");*/  
	
        int result_cols = img.cols - templ.cols + 1;  
	    int result_rows = img.rows - templ.rows + 1;  
	    result.create(result_cols, result_rows, CV_32FC1);  
	  
	    //进行匹配和标准化  
	    matchTemplate(img, templ, result, CV_TM_SQDIFF_NORMED);  
	    normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());  
	  
	    double minVal;  //匹配最小值  
	    double maxVal;  //匹配最大值  
	    Point maxLoc;  //匹配最大值的位置坐标  
        Point minLoc;   //匹配最小值的位置坐标  
	    Point matchLoc;    
	  
	    //通过函数minMaxLoc定位最匹配的位置  
	    minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());  
	  
	    cout << "匹配度:" << minVal << endl;  
	    cout << "匹配度最小值的坐标" << minLoc.x << "," << minLoc.y << endl;  
	  
	    /*Mat H &#