基于LockAI视觉识别模块：C++模板匹配

模板匹配是一种在图像中寻找特定模式的技术。它通过滑动一个模板图像（较小的图像）在输入图像上进行比较，找到最相似的区域。本实验提供了一个简单的模板匹配案例，并将其封装为一个自定义函数 performTemplateMatching，方便快速移植和使用。

源代码地址：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/C02_TemplateMatching

1. 基本知识讲解

1.1 模板匹配的重要性

目标检测：模板匹配可以用于检测图像中的特定对象。

应用场景：广泛应用于物体识别、工业自动化、机器人导航等领域。

局限性：模板匹配对旋转、缩放和光照变化较为敏感，因此通常需要结合其他技术来提高鲁棒性。

1.2 模板匹配的流程

获取输入图像和模板图像。

使用模板匹配算法（如归一化互相关 NCC）计算相似度。

找到匹配结果中的最大值及其位置。

根据相似度阈值判断匹配是否成功。

绘制矩形框标记匹配区域并显示结果。

2. API 文档

2.1 头文件

#include

2.2 在输入图像中搜索模板图像的位置

voidmatchTemplate(InputArrayimage,InputArraytempl,OutputArrayresult,intmethod);

参数：

image：待搜索的图像。

templ：模板图像。

result：搜索结果。

method：搜索方法，可以是 TM_SQDIFF、TM_SQDIFF_NORMED、TM_CCORR、TM_CCORR_NORMED、TM_CCOEFF、TM_CCOEFF_NORMED 之一。

返回值：

无

2.3 获取匹配结果中的最大值及其位置

voidminMaxLoc(InputArraysrc,double*minVal,double*maxVal,Point*minLoc,Point*maxLoc,InputArraymask=noArray());

参数：

src：输入矩阵。

minVal：最小值。

maxVal：最大值。

minLoc：最小值位置。

maxLoc：最大值位置。

mask：可选的掩码矩阵，用于指定要搜索的像素范围。

返回值：

无

3. 综合代码解析

3.1 流程图

3.2 代码解释

模板匹配函数应用

doublesimilarityThreshold=0.7;// 相似度阈值
booluseGrayscale=false; // 是否使用灰度处理
boolmatchSuccess=performTemplateMatching(img,templ,similarityThreshold,img,useGrayscale);

模板匹配函数具体参数定义如下所示。

boolperformTemplateMatching(constMat&inputImage,constMat&templateImage,doublethreshold,Mat&outputImage,boolisGrayscale=false);

参数：

inputImage：输入图像。

templateImage：模板图像。

threshold：相似度阈值。

outputImage：输出图像。

isGrayscale：是否进行灰度处理。

返回值：

true：匹配成功。

false：匹配失败。

输出结果

edit.Print(img);

3.3 代码实现

#include
#include
#include

usingnamespacecv;
usingnamespacestd;

// 模板匹配函数
boolperformTemplateMatching(constMat&inputImage,constMat&templateImage,doublethreshold,Mat&outputImage,boolisGrayscale=false)
{
// 确保模板图像比输入图像小
if(templateImage.rows>inputImage.rows||templateImage.cols>inputImage.cols)
{
cout<<"模板图像不能大于输入图像！"<<endl;
returnfalse;
}

// 创建用于匹配的图像副本
Mattempl=templateImage.clone();
Matimg=inputImage.clone();

// 如果选择灰度处理，则将输入图像和模板图像转换为灰度
if(isGrayscale)
{
if(img.channels()==3)
{
cvtColor(img,img,COLOR_BGR2GRAY);
}
if(templ.channels()==3)
{
cvtColor(templ,templ,COLOR_BGR2GRAY);
}
}

// 打印调试信息
cout<<"输入图像尺寸: "<<img.size()<<", 通道数: "<<img.channels()<<endl;
cout<<"模板图像尺寸: "<<templ.size()<<", 通道数: "<<templ.channels()<<endl;

// 创建结果矩阵，用于存储匹配结果
intresultRows=img.rows-templ.rows+1;
intresultCols=img.cols-templ.cols+1;
if(resultRows<=0||resultCols<=0)
{
cout<<"结果矩阵尺寸无效！请检查输入图像和模板图像的尺寸。"<<endl;
returnfalse;
}
Matresult(resultRows,resultCols,CV_32FC1);

// 使用归一化互相关（NCC）方法进行模板匹配
doublestart=static_cast<double>(getTickCount());
matchTemplate(img,templ,result,TM_CCOEFF_NORMED);
doubleend=static_cast<double>(getTickCount());
doubleelapsedTime=(end-start)/getTickFrequency();
cout<<"matchTemplate 运行时间: "<<elapsedTime<<" 秒"<<endl;

// 找到匹配结果中的最大值及其位置
doubleminVal,maxVal;
PointminLoc,maxLoc;
minMaxLoc(result,&minVal,&maxVal,&minLoc,&maxLoc);

// 输出相似度阈值判断
if(maxVal>=threshold)
{
cout<<"匹配成功！最大相似度: "<<maxVal<<endl;

// 绘制矩形框标记匹配区域
rectangle(outputImage,maxLoc,Point(maxLoc.x+templ.cols,maxLoc.y+templ.rows),Scalar(0,255,0),2);
returntrue;
}
else
{
cout<<"匹配失败！最大相似度: "<<maxVal<<endl;
returnfalse;
}
}

intmain(intargc,char**argv)
{
// 检查命令行参数数量是否正确
if(argc!=2)
{
cout<<"用法: "<<argv[0]<<" <模板图像路径>"<<endl;
return-1;
}

// 声明并初始化变量
stringtemplateImagePath=argv[1];// 模板图像路径

lockzhiner_vision_module::Editedit;
if(!edit.StartAndAcceptConnection())
{
std::cerr<<"Error: Failed to start and accept connection."<<std::endl;
returnEXIT_FAILURE;
}
std::cout<<"Device connected successfully."<<std::endl;

// 初始化摄像头
cv::VideoCapturecap;
intwidth=320; // 设置摄像头分辨率宽度
intheight=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;
returnEXIT_FAILURE;
}

// 加载模板图像
Mattempl=imread(templateImagePath,IMREAD_COLOR);// 默认加载彩色模板
if(templ.empty())
{
std::cerr<<"Error: Could not load template image."<<std::endl;
returnEXIT_FAILURE;
}

while(true)
{
// 读取输入图像
cv::Matimg;
cap>>img;
if(img.empty())
{
std::cerr<<"Error: Captured frame is empty."<<std::endl;
break;
}

// 调用模板匹配函数
doublesimilarityThreshold=0.7;// 相似度阈值
booluseGrayscale=false; // 是否使用灰度处理
boolmatchSuccess=performTemplateMatching(img,templ,similarityThreshold,img,useGrayscale);

// 显示结果
imshow("Template Matching Result",img);
if(waitKey(1)==27)
{// 按 ESC 键退出
break;
}

// 输出图像
edit.Print(img);
}

return0;
}

4. 编译过程

4.1 编译环境搭建

请确保你已经按照开发环境搭建指南正确配置了开发环境。

同时以正确连接开发板。

4.2 Cmake介绍

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test-TemplateMatching)

set(CMAKE_CXX_STANDARD17)
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 TemplateMatching.cc)
target_include_directories(Test-TemplateMatching PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-TemplateMatching PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
TARGETS Test-TemplateMatching
RUNTIME DESTINATION .
)

4.3 编译项目

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/A01_capture
# 创建编译目录
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉编译工具链
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置项目
cmake ..
# 执行编译项目
make-j8&&makeinstall

在执行完上述命令后，会在build目录下生成可执行文件。

5. 例程运行示例

5.1 准备工作

下载凌智视觉模块图片传输助手：点击下载

我们首先需要进行图像采集，采集一个480*320分辨率下的模板照片。

5.2 运行过程

在凌智视觉模块中输入以下命令：

chmod777Test-TemplateMatching template_0.png
./Test-TemplateMatching

5.3 运行结果

运行结果如下：

模板照片为：

6. 总结

通过上述内容，我们详细介绍了模板匹配的流程及相关 API 的使用方法，包括：

图像读取：加载输入图像和模板图像。

模板匹配：使用归一化互相关方法计算相似度。

查找极值：获取最佳匹配位置。

绘制与显示：标记匹配区域并显示结果。希望这份文档能帮助您更好地理解和实现模板匹配功能！注意事项：

在本次例程中摄像头需要运行在480*320分辨率下，否则会出现帧率过低的情况。如需更高帧率，可酌情再降低分辨率。