EmguCv模板匹配[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

先贴上简陋的界面图 

 代码：

Mat src = new Image<Bgr, byte>(ib_original.Image.Bitmap).Mat;

            Mat temp = new Mat("模板.jpg", Emgu.CV.CvEnum.LoadImageType.AnyColor);//匹配的模板
            //创建mat 存储输出匹配结果。
            Mat result = new Mat(new Size(src.Width - temp.Width + 1, src.Height - temp.Height + 1),
                Emgu.CV.CvEnum.DepthType.Cv32F, 1);

            #region 模板匹配参数说明
            //采用系数匹配法，匹配值越大越接近准确图像。
            //IInputArray image：输入待搜索的图像。图像类型为8位或32位浮点类型。设图像的大小为[W, H]。
            //IInputArray templ：输入模板图像，类型与待搜索图像类型一致，并且大小不能大于待搜索图像。设图像大小为[w, h]。
            //IOutputArray result：输出匹配的结果，单通道，32位浮点类型且大小为[W - w + 1, H - h + 1]。
            //TemplateMatchingType method：枚举类型标识符，表示匹配算法类型。
            //Sqdiff = 0 平方差匹配，最好的匹配为 0。
            //SqdiffNormed = 1 归一化平方差匹配，最好效果为 0。
            //Ccorr = 2 相关匹配法，数值越大效果越好。
            //CcorrNormed = 3 归一化相关匹配法，数值越大效果越好。
            //Ccoeff = 4 系数匹配法，数值越大效果越好。
            //CcoeffNormed = 5 归一化系数匹配法，数值越大效果越好。
            #endregion
            CvInvoke.MatchTemplate(src, temp, result, Emgu.CV.CvEnum.TemplateMatchingType.Ccoeff);

            #region 归一化函数参数说明
            //IInputArray src：输入数据。
            //IOutputArray dst：进行归一化后输出数据。
            //double alpha = 1; 归一化后的最大值，默认为 1。
            //double beta = 0：归一化后的最小值，默认为 0。
            #endregion
            CvInvoke.Normalize(result, result, 255, 0, Emgu.CV.CvEnum.NormType.MinMax);

            double max = 0, min = 0;//创建double的极值。
            Point max_point = new Point(0, 0), min_point = new Point(0, 0);

            #region 极值函数参数说明
            //IInputArray arr：输入数组。
            //ref double minVal：输出数组中的最小值。
            //ref double maxVal; 输出数组中的最大值。
            //ref Point minLoc：输出最小值的坐标。
            //ref Point maxLoc; 输出最大值的坐标。
            //IInputArray mask = null：蒙版。
            #endregion
            CvInvoke.MinMaxLoc(result, ref min, ref max, ref min_point, ref max_point);
            CvInvoke.Rectangle(src, new Rectangle(max_point, temp.Size), new MCvScalar(0, 0, 255), 3);//绘制矩形，匹配得到的效果。
            tb_result.Text = "min=" + min + ",max=" + max;
            tb_result.Text += Environment.NewLine;
            tb_result.Text += "最大值坐标："+ max_point.ToString();
            tb_result.Text += Environment.NewLine;
            tb_result.Text += "最小值坐标：" + min_point.ToString();
            ib_original.Image = src;