
回复
多模板匹配是一种在图像中同时寻找多个模板的技术。通过对每个模板逐一进行匹配,找到与输入图像最相似的区域,并标记出匹配度最高的结果。本实验提供了一个简单的多模板匹配案例,并将其封装为一个自定义函数 multiTemplateMatching,方便快速移植和使用。
#include <opencv2/opencv.hpp>
cv::matchTemplate(image, templ, result, method);
cv::minMaxLoc(src, minVal, maxVal, minLoc, maxLoc, mask);
multiTemplateMatching(img, templates, 0.7, true);
自定义多模板匹配函数具体参数如下所示。
void multiTemplateMatching(const Mat& img, const vector<string>& templatePaths,
double threshold = 0.7, bool isGrayscale = false);
edit.Print(img);
#include <lockzhiner_vision_module/edit/edit.h>
#include <iostream>
#include <opencv2/opencv.hpp>
#include <string>
#include <vector>
using namespace cv;
using namespace std;
// 多模板匹配函数(支持彩色或灰度图像,仅绘制匹配度最高的框)
void multiTemplateMatching(const Mat &img, const vector<string> &templatePaths,
double threshold = 0.7, bool isGrayscale = false)
{
// 初始化最高匹配度和对应的模板路径、位置
double bestMatchValue = 0.0;
string bestMatchTemplatePath = "";
Rect bestMatchRect;
// 遍历每个模板路径
for (const auto &templatePath : templatePaths)
{
// 加载模板图像(根据 isGrayscale 决定是灰度还是彩色)
Mat templ = imread(templatePath, isGrayscale ? IMREAD_GRAYSCALE : IMREAD_COLOR);
if (templ.empty())
{
cerr << "无法加载模板图像: " << templatePath << endl;
continue;
}
// 如果输入图像是灰度图像,则将彩色图像转换为灰度
Mat inputImage = img.clone();
if (isGrayscale && inputImage.channels() == 3)
{
cvtColor(inputImage, inputImage, COLOR_BGR2GRAY);
}
// 创建结果矩阵
int result_cols = inputImage.cols - templ.cols + 1;
int result_rows = inputImage.rows - templ.rows + 1;
Mat result(result_rows, result_cols, CV_32FC1);
// 执行模板匹配
matchTemplate(inputImage, templ, result, TM_CCOEFF_NORMED);
// 查找最佳匹配位置
double minVal, maxVal;
Point minLoc, maxLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
// 如果当前模板的最大匹配度高于之前的记录,则更新最佳匹配信息
if (maxVal > bestMatchValue && maxVal >= threshold)
{
bestMatchValue = maxVal;
bestMatchTemplatePath = templatePath;
bestMatchRect = Rect(maxLoc.x, maxLoc.y, templ.cols, templ.rows);
}
}
// 如果找到匹配度高于阈值的最佳匹配,则绘制矩形框
if (!bestMatchTemplatePath.empty())
{
rectangle(img, bestMatchRect, Scalar(0, 255, 0), 2); // 绿色矩形框
cout << "匹配到模板: " << bestMatchTemplatePath
<< ", 匹配度: " << bestMatchValue << endl;
}
else
{
cout << "未找到匹配度高于阈值的模板。" << endl;
}
}
int main(int argc, char *argv[])
{
lockzhiner_vision_module::edit::Edit edit;
if (!edit.StartAndAcceptConnection())
{
std::cerr << "Error: Failed to start and accept connection." << std::endl;
return EXIT_FAILURE;
}
std::cout << "Device connected successfully." << std::endl;
cv::VideoCapture cap;
int width = 320; // 设置摄像头分辨率宽度
int height = 240; // 设置摄像头分辨率高度
cap.set(cv::CAP_PROP_FRAME_WIDTH, width);
cap.set(cv::CAP_PROP_FRAME_HEIGHT, height);
// 打开摄像头设备
cap.open(0); // 参数 0 表示默认摄像头设备
if (!cap.isOpened())
{
std::cerr << "Error: Could not open camera." << std::endl;
return EXIT_FAILURE;
}
// 检查命令行参数是否提供了模板路径
vector<string> templates;
if (argc < 2)
{
cerr << "Usage: " << argv[0] << " template_path1 [template_path2 ...]" << endl;
return EXIT_FAILURE;
}
// 从命令行读取模板路径
for (int i = 1; i < argc; ++i)
{
templates.push_back(argv[i]);
}
while (true)
{
cv::Mat img; // 存储每一帧图像
cap >> img; // 获取新的一帧
// 检查是否成功读取帧
if (img.empty())
{
std::cerr << "Warning: Couldn't read a frame from the camera."
<< std::endl;
continue;
}
// 执行多模板匹配(示例中仍使用彩色图像)
multiTemplateMatching(img, templates, 0.7, true);
// 显示结果
edit.Print(img);
}
return 0;
}
# CMake最低版本要求
cmake_minimum_required(VERSION 3.10)
project(test-TemplateMatching-more)
set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
# 定义项目根目录路径
set(PROJECT_ROOT_PATH "${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = " ${PROJECT_ROOT_PATH})
include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")
# 定义 OpenCV SDK 路径
set(OpenCV_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR "${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES "${OpenCV_LIBS}")
# 定义 LockzhinerVisionModule SDK 路径
set(LockzhinerVisionModule_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR "${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)
# 基本图像处理示例
add_executable(Test-TemplateMatching-more Template_Matching_more.cc)
target_include_directories(Test-TemplateMatching-more PRIVATE ${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-TemplateMatching-more PRIVATE ${OPENCV_LIBRARIES} ${LOCKZHINER_VISION_MODULE_LIBRARIES})
install(
TARGETS Test-TemplateMatching-more
RUNTIME DESTINATION .
)
使用 Docker Destop 打开 LockzhinerVisionModule 容器并执行以下命令来编译项目
# 进入Demo所在目录
cd /LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/C03_TemplateMatching_more
# 创建编译目录
rm -rf build && mkdir build && cd build
# 配置交叉编译工具链
export TOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置项目
cmake ..
# 执行编译项目
make -j8 && make install
在执行完上述命令后,会在build目录下生成可执行文件。
在凌智视觉模块中输入以下命令:
chmod 777 Test-TemplateMatching-more
# 在实际运行中,模板数量越少,相对来说运行的帧率越高,如需更高帧率请自行降低分辨率。
./Test-TemplateMatching-more template_0.png template_1.png template_2.png template_3.png
运行程序后,您将看到实时视频流中匹配度最高的区域被绿色矩形框标记出来。如果未找到匹配度高于阈值的模板,则会输出提示信息。
通过上述内容,我们详细介绍了多模板匹配的流程及相关 API 的使用方法,包括: