Java OpenCV 模版匹配

函数：Imgproc.matchTemplate(Mat image, Mat templ, Mat result, int method)

参数说明：

image：源图像
templ：模板图像
result：比较结果
method：匹配算法

匹配算法：

TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
TM_SQDIFF_NORMED 归一化平方差匹配法。
TM_CCORR_NORMED 归一化相关匹配法。
TM_CCOEFF_NORMED 归一化相关系数匹配法

原图像:

自己分割一个图像:

依赖:

<!-- https://mvnrepository.com/artifact/org.bytedeco/javacv-platform -->
        <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>javacv-platform</artifactId>
            <version>1.4.2</version>
        </dependency>

代码:

public class MatchTemplate {
    private final  static String path=System.getProperty("user.dir")+"\\line.png";
    static{
        platformUtils.loadLibraries();
    }
    public static void main(String[] args) {
        //待匹配图片
        Mat src = Imgcodecs.imread("template.jpg",Imgcodecs.IMREAD_GRAYSCALE);
        Mat src_img=src.clone();
        // 获取匹配模板
        Mat template = Imgcodecs.imread("test.png",Imgcodecs.IMREAD_GRAYSCALE);
        /**
         * TM_SQDIFF = 0, 平方差匹配法，最好的匹配为0，值越大匹配越差
         * TM_SQDIFF_NORMED = 1,归一化平方差匹配法
         * TM_CCORR = 2,相关匹配法，采用乘法操作，数值越大表明匹配越好
         * TM_CCORR_NORMED = 3,归一化相关匹配法
         * TM_CCOEFF = 4,相关系数匹配法，最好的匹配为1，-1表示最差的匹配
         * TM_CCOEFF_NORMED = 5;归一化相关系数匹配法
         */
        int method = Imgproc.TM_CCORR_NORMED;
        // 创建32位模板匹配结果Mat
        Mat result=new Mat(src.rows(),src.cols(),CvType.CV_32FC1);
        /*
         * 将模板与重叠的图像区域进行比较。
         * @param image运行搜索的图像。 它必须是8位或32位浮点。
         * @param templ搜索的模板。 它必须不大于源图像并且具有相同的数据类型。
         * @param result比较结果图。 它必须是单通道32位浮点。 如果image是（W * H）并且templ是（w * h），则结果是（（W-w + 1）*（H-h + 1））。
         * @param方法用于指定比较方法的参数，请参阅默认情况下未设置的#TemplateMatchModes。
         * 当前，仅支持#TM_SQDIFF和#TM_CCORR_NORMED方法。
         */
        Imgproc.matchTemplate(src, template, result, method);
        // 归一化 详见https://blog.csdn.net/ren365880/article/details/103923813
        Core.normalize(result, result,0, 1, Core.NORM_MINMAX, -1, new Mat());

        // 获取模板匹配结果 minMaxLoc寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置.
        Core.MinMaxLocResult mmr = Core.minMaxLoc(result);

        // 绘制匹配到的结果 不同的参数对结果的定义不同
        double x,y;
        if (method==Imgproc.TM_SQDIFF_NORMED || method==Imgproc.TM_SQDIFF) {
            x = mmr.minLoc.x;
            y = mmr.minLoc.y;
        } else {
            x = mmr.maxLoc.x;
            y = mmr.maxLoc.y;
        }
        /*
         * 函数rectangle绘制一个矩形轮廓或一个填充的矩形，其两个相对角为pt1和pt2。
         * @param img图片。
         * @param pt1矩形的顶点。
         * @param pt2与pt1相反的矩形的顶点。
         * @param color矩形的颜色或亮度（灰度图像）。
         * @param thickness组成矩形的线的粗细。 负值（如#FILLED）表示该函数必须绘制一个填充的矩形。
         * @param lineType线的类型。 请参阅https://blog.csdn.net/ren365880/article/details/103952856
         */
        //Imgproc.rectangle(src,new Point(x,y),new Point(x+template.cols(),y+template.rows()),new Scalar( 0, 0, 255),2,Imgproc.LINE_AA);
        Imgproc.rectangle(src,new Point(x,y),new Point(x+template.cols(),y+template.rows()),new Scalar(0,0,255),2);

        HighGui.imshow("模板匹配结果", src);
        HighGui.imshow("模板", template);
        HighGui.imshow("原图像", src_img);
        HighGui.waitKey();
    }
}

来源：oschina

链接：https://my.oschina.net/u/4323713/blog/4270512