OpenCV实现多角度模板匹配：详细步骤与代码解析

OpenCV实现多角度模板匹配：详细步骤与代码解析

引用

CSDN

1.

https://blog.csdn.net/qq_42722197/article/details/131447920

本文将介绍使用OpenCV实现多角度模板匹配的详细步骤和代码。

背景介绍

熟悉OpenCV的朋友肯定都知道OpenCV自带的模板匹配matchTemplate方法是不支持旋转的，也就是说当目标和模板有角度差异时匹配常常会失败，可能目标只是轻微的旋转，匹配分数就会下降很多，导致匹配精度下降甚至匹配出错。另一个方法是matchShape（形状匹配），匹配时需要轮廓分明才容易匹配成功，但无法得到匹配角度，也不方便使用。本文介绍基于matchTemplate+旋转+金字塔下采样实现多角度的模板匹配，返回匹配结果（斜矩形、角度、方向）。

实现效果

如上面视频所示，本方法可以对不同角度的元件做匹配并标注元件方向。

实现思路

1. 如何适应目标的角度变化？我们可以将模板旋转，从0~360°依次匹配找到最佳的匹配位置；
2. 如何提高匹配速度？使用金字塔下采样，将模板和待匹配图均缩小后匹配；加大匹配搜寻角度的步长，比如从每1°匹配一次改为每5°匹配一次等。

实现步骤

1. 旋转模板图像。旋转图像本身比较简单，下面是代码：

//旋转图像
Mat ImageRotate(Mat image, double angle)
{
  Mat newImg;
  Point2f pt = Point2f((float)image.cols / 2, (float)image.rows / 2);
  Mat M = getRotationMatrix2D(pt, angle, 1.0);
  warpAffine(image, newImg, M, image.size());
  return newImg;
}

但需要注意，很多时候按照上面方法旋转时，会丢失模板信息产生黑边，这里提供两种方法供大家参考尝试：

• 旋转时放大目标图像尺寸，保证模板图像上信息不丢失，然后模板匹配时使用mask，如何使用mask掩码有什么用？看下面链接文章介绍：实战 | OpenCV带掩码(mask)的模板匹配使用技巧与演示(附源码)
• 旋转时不放大目标图像尺寸，剔除黑边剩余部分做mask来匹配。

2. 图像金字塔下采样。什么是图像金字塔？什么是上下采样？直接百度。

下采样的目的前面已介绍，减小图像分辨率提高图像匹配速度，代码如下：

//对模板图像和待检测图像分别进行图像金字塔下采样
for (int i = 0; i < numLevels; i++)
{
  pyrDown(src, src, Size(src.cols / 2, src.rows / 2));
  pyrDown(model, model, Size(model.cols / 2, model.rows / 2));
}

3. **0~360°各角度匹配。**旋转模板图像，依次调用matchTemplate在目标图中匹配，记录最佳匹配分数，以及对应的角度。

模板匹配详细使用说明：https://docs.opencv.org/4.x/df/dfb/group__imgproc__object.html#ga586ebfb0a7fb604b35a23d85391329be

旋转匹配代码：

TemplateMatchModes matchMode = TM_CCOEFF_NORMED;
switch (nccMethod)
{
case 0:
  matchMode = TM_SQDIFF;
  break;
case 1:
  matchMode = TM_SQDIFF_NORMED;
  break;
case 2:
  matchMode = TM_CCORR;
  break;
case 3:
  matchMode = TM_CCORR_NORMED;
  break;
case 4:
  matchMode = TM_CCOEFF;
  break;
case 5:
  matchMode = TM_CCOEFF_NORMED;
  break;
}
//在没有旋转的情况下进行第一次匹配
double minVal, maxVal;
Point minLoc, maxLoc;
matchTemplate(src, model, result, matchMode);
minMaxLoc(result,  &minVal, &maxVal, &minLoc, &maxLoc);
Point location = maxLoc;
double temp = maxVal;
double angle = 0;
Mat newImg;
//以最佳匹配点左右十倍角度步长进行循环匹配，直到角度步长小于参数角度步长
if (nccMethod == 0 || nccMethod == 1)
{
  do
  {
    for (int i = 0; i <= (int)range / step; i++)
    {
      newImg = ImageRotate(model, start + step * i);
      
      matchTemplate(src, newImg, result, matchMode);
      double minval, maxval;
      Point minloc, maxloc;
      minMaxLoc(result, &minval, &maxval, &minloc, &maxloc);
      if (maxval < temp)
      {
        location = maxloc;
        temp = maxval;
        angle = start + step * i;
      }
    }
    range = step * 2;
    start = angle - step;
    step = step / 10;
  } while (step > angleStep);
  return ResultPoint(location.x * pow(2, numLevels) + modelImage.cols / 2, location.y * pow(2, numLevels) + modelImage.rows / 2, -angle, temp);
}
else
{
  do
  {
    for (int i = 0; i <= (int)range / step; i++)
    {
      newImg = ImageRotate(model, start + step * i);
      imshow("rotate", newImg);
      imshow("src-pyrDown", src);
      waitKey();
      matchTemplate(src, newImg, result, matchMode);
      double minval, maxval;
      Point minloc, maxloc;
      minMaxLoc(result, &minval, &maxval, &minloc, &maxloc);
      if (maxval > temp)
      {
        location = maxloc;
        temp = maxval;
        angle = start + step * i;
      }
    }
    range = step * 2;
    start = angle - step;
    step = step / 10;
  } while (step > angleStep);
  if (temp > thresScore)
  {
    return ResultPoint(location.x * pow(2, numLevels), location.y * pow(2, numLevels), -angle, temp);
  }
}
return ResultPoint(-1, -1, 0, 0);

4. 标注匹配结果。根据模板图大小、匹配结果角度计算出匹配后的矩形四个角点，根据角点关系即可绘制方向：

//获取旋转后矩形对应的端点坐标
vector<Point> GetRotatePoints(Mat img, Rect inRect, double angle)
{
  Rect rect = inRect;
  vector<Point>pts;
  Point2f center = Point2f(img.cols / 2, img.rows / 2);
  Mat M = getRotationMatrix2D(center, angle, 1.0);
  //cout << M << endl;
  Mat ptMat = Mat::ones(3, 4, CV_32FC1);
  ptMat.at<float>(0, 0) = 0;
  ptMat.at<float>(0, 1) = (float)rect.width - 1;
  ptMat.at<float>(0, 2) = (float)rect.width - 1;
  ptMat.at<float>(0, 3) = 0;
  ptMat.at<float>(1, 0) = 0;
  ptMat.at<float>(1, 1) = 0;
  ptMat.at<float>(1, 2) = (float)rect.height - 1;
  ptMat.at<float>(1, 3) = (float)rect.height - 1;
  M.convertTo(M, CV_32F);
  Mat result = M * ptMat;
  //cout << result << endl;
  pts.push_back(Point((int)result.at<float>(0, 0), (int)result.at<float>(1, 0)));
  pts.push_back(Point((int)result.at<float>(0, 1), (int)result.at<float>(1, 1)));
  pts.push_back(Point((int)result.at<float>(0, 2), (int)result.at<float>(1, 2)));
  pts.push_back(Point((int)result.at<float>(0, 3), (int)result.at<float>(1, 3)));
  return pts;
}

5. 举例演示。模板图从下图中截取并保存template.png：
   测试图像12张，来自Halcon例程图片，路径如下：
   C:\Users\Public\Documents\MVTec\HALCON-20.11-Steady\examples\images\modules
   匹配结果：

后记

可以添加匹配分数阈值和NMS实现多目标匹配，后续还会介绍其他匹配方法的实现，敬请期待。