【day1】8.20号实验记录（初步使用模板匹配）

模板匹配

利用模板匹配可以框定出瓶子，但是却不能分辨哪种瓶子是哪种瓶子。
对同一张图片用不同的模板去进行匹配，选择匹配度最高的作为最终的结果。
而且这种匹配受到模板大小的限制。若是摄像头固定，视角固定，那这个问题可以解决。

单张图的代码

#include <opencv2/opencv.hpp>
#include "opencv2/features2d.hpp"
#include <vector>
#include <algorithm>
#include <iostream>
#include "windows.h"
#include <stdio.h>
#include <time.h>
#include <math.h>  
#define WINDOW_NAME "【程序窗口】"			
using namespace cv;
using namespace std;
int main()
{//改变控制台字体颜色system("color 02");Mat srcImage=imread("D:\\opencv_picture_test\\视觉项目\\圆1.png");	//测试图Mat tempMat = imread("D:\\opencv_picture_test\\视觉项目\\方template.png");	//模板图//Mat srcImage=imread("D:\\opencv_picture_test\\img.png");	//测试图//Mat tempMat = imread("D:\\opencv_picture_test\\template.png");	//模板图cout << tempMat.cols << endl;cout << tempMat.rows << endl;Mat refMat;Mat resultMat;Mat dispMat;tempMat.copyTo(refMat);int match_method = TM_CCOEFF_NORMED;//采用模板与目标图像像素与各自图像的平均值计算dot product，正值越大匹配度越高，负值越大图像的区别越大，但如果图像没有明显的特征（即图像中的像素值与平均值接近）则返回值越接近0；matchTemplate(srcImage, refMat, resultMat, match_method);normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());	//归一化double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc;	//定义最大值最小值以及它们的位置变量minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat());	//从结果矩阵中找到匹配度最大以及最小的值并且确定其位置//对于方法SQDIFF和SQDIFF_NORMED两种方法来讲，越小的值就有着更高的匹配结果//而其余的方法则是数值越大匹配效果越好if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED)matchLoc = minLoc;elsematchLoc = maxLoc;srcImage.copyTo(dispMat);//circle(dispMat, matchLoc, 5, Scalar(0, 0, 255), 2, 8, 0);//以最佳匹配点为中心绘制与模板相同大小的框rectangle(dispMat, matchLoc, Point(matchLoc.x + refMat.cols, matchLoc.y + refMat.rows), Scalar::all(0), 2, 8, 0);namedWindow("template", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩imshow("template", refMat);namedWindow("srcImage", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩imshow("srcImage", dispMat);waitKey(0);return 0;
}

利用多个模板去匹配多张图的代码

写代码过程中遇到的问题

1、要理解好result矩阵的含义
2、match_method 要多试几种
3、不同模板对同一张测试图匹配后得到的result数组中，不需要对其归一化，不然会发现，每个模板的最佳值都是1（使用TM_CCORR_NORMED时），这样就比较不了了。

#include <opencv2/opencv.hpp>
#include "opencv2/features2d.hpp"
#include <vector>
#include <algorithm>
#include <iostream>
#include "windows.h"
#include <stdio.h>
#include <time.h>
#include <math.h>  
#define WINDOW_NAME "【程序窗口】"			
using namespace cv;
using namespace std;void show_text(int nums)
{if (nums == 0){cout << "方" << endl;}else if (nums == 1){cout << "v圆" << endl;}else if (nums == 2){cout << "圆" << endl;}else if (nums == 3){cout << "小" << endl;}else if (nums == 4){cout << "中" << endl;}else{cout << "无" << endl;}
}
int main()
{//改变控制台字体颜色system("color 02");//创建模板vectorvector<Mat>tempMat;//插入模板元素Mat temp = imread("D:\\opencv_picture_test\\视觉项目\\方template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\视觉项目\\v圆template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\视觉项目\\圆template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\视觉项目\\小template.png");tempMat.push_back(temp);temp= imread("D:\\opencv_picture_test\\视觉项目\\中template.png");tempMat.push_back(temp);Mat tempMat1 = tempMat[0];Mat tempMat2 = tempMat[1];Mat tempMat3 = tempMat[2];Mat tempMat4 = tempMat[3];Mat tempMat5 = tempMat[4];//获取模板数目int tempMat_Nums = tempMat.size();//获取测试图像Mat srcImage=imread("D:\\opencv_picture_test\\视觉项目\\v圆1.png");	//测试图Mat resultMat;Mat dispMat;int match_method = TM_CCORR_NORMED;		//经过试错发现此参数较好。//用每个模板去匹配测试图，并且找出每次结果的最佳匹配值，将值存入vector中vector<double>goodval;vector<Point>goodlock;int matchnum = 0;Point matchLoc;for (int i = 0;i < tempMat_Nums;i++){//采用模板与目标图像像素与各自图像的平均值计算dot product，正值越大匹配度越高，负值越大图像的区别越大，但如果图像没有明显的特征（即图像中的像素值与平均值接近）则返回值越接近0；matchTemplate(srcImage, tempMat[i], resultMat, match_method);//不归一化，因为不同模板归一化后的最佳值皆为1，无法比较//normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());	//归一化double minVal; double maxVal; Point minLoc; Point maxLoc;	//定义最大值最小值以及它们的位置变量minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat());	//从结果矩阵中找到匹配度最大以及最小的值并且确定其位置//对于方法SQDIFF和SQDIFF_NORMED两种方法来讲，越小的值就有着更高的匹配结果//而其余的方法则是数值越大匹配效果越好if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED){goodlock.push_back(minLoc);goodval.push_back(minVal);}else{goodlock.push_back(maxLoc);goodval.push_back(maxVal);}cout << i << "  "<<maxVal << endl;}//找到goodval中最佳的一组if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED){auto goodPosition = min_element(goodval.begin(), goodval.end());matchnum = distance(begin(goodval), goodPosition);}else{auto goodPosition = max_element(goodval.begin(), goodval.end());matchnum = distance(begin(goodval), goodPosition);}show_text(matchnum);matchLoc = goodlock[matchnum];srcImage.copyTo(dispMat);//circle(dispMat, matchLoc, 5, Scalar(0, 0, 255), 2, 8, 0);//以最佳匹配点为中心绘制与模板相同大小的框rectangle(dispMat, matchLoc, Point(matchLoc.x + tempMat[matchnum].cols, matchLoc.y + tempMat[matchnum].rows), Scalar::all(0), 2, 8, 0);//namedWindow("template", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩//imshow("template", tempMat);namedWindow("srcImage", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩imshow("srcImage", dispMat);waitKey(0);return 0;
}