本文主要是介绍OpenCV的Rect()函数、Rectangle()函数、matchTemplate()参数详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
OpenCV的函数
- Rect()函数
- cvRectangle与cv::rectangle
- matchTemplate()
- 归一化函数normalize()
Rect()函数
基本概念:
Rect(int x, int y, int width, int height);
参数含义:
Rect(左上角x坐标 , 左上角y坐标,矩形的宽,矩形的高)
例如我们画一个图 Rect(20,50,30,40), 我用matlab画了一下,比较直观
代码:
Rect(0, 0.4 * img1.rows, 0.2 * img1.cols, 0.2 * img1.rows)
那对于Rect(20,50,30,40)有哪些常用的操作?
rect.area(); //返回面积,1200
rect.size();//返回尺寸,30x40
rect.tl();// 返回左上角坐标(20,50)
rect.br();//返回右下角坐标(50,10)
rect.width();//返回宽度30
rect.height();//返回高度40
rect.contains(Point(x,y)) ; //返回布尔true/false, 判断x,y是否在这个矩形中
交集、并集, 矩阵对比,很像C语言
rect = rect1 & rect2;
rect = rect1 | rect2;
rect1 == rect2; //返回布尔值
rect1 != rect2 ; //返回布尔值
Rectangle用法
void cvRectangle( CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color,int thickness=1, int line_type=8, int shift=0 );
img: 图像.
pt1 :矩形的一个顶点。
pt2:矩形对角线上的另一个顶点
color:线条颜色 (RGB) 或亮度(灰度图像 )(grayscale image)。//后面这三个都是可有可没有的
thickness:组成矩形的线条的粗细程度。取负值时(如 CV_FILLED)函数绘制填充了色彩的矩形。
line_type:线条的类型。见cvLine的描述
shift:坐标点的小数点位数。
举例子:
rectangle(img, box.tl(), box.br(), Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)));//随机颜色
cvRectangle与cv::rectangle
在第一次使用cvRectangle绘制矩形的时候遇到一个问题:Error:不存在从“cv::Mat”到"CvArr*"的适当转换函数,就特意查了查资料,总结如下。
cvRentangle和cv::rectangle函数原型对比:
C: void cvRectangle(CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color, int thickness=1, int line_type=8, int shift=0 )
C++: void rectangle(Mat& img, Point pt1,Point pt2,const Scalar& color, int thickness=1, int lineType=8, int shift=0)
C++: void rectangle(Mat& img, Rect rec, const Scalar& color, int thickness=1, int lineType=8, int shift=0 )
参数介绍:
img
图像.
pt1
矩形的一个顶点。
pt2
矩形对角线上的另一个顶点
color
线条颜色 (RGB) 或亮度(灰度图像 )(grayscale image)。
thickness
组成矩形的线条的粗细程度。取负值时(如 CV_FILLED)函数绘制填充了色彩的矩形。
line_type
线条的类型。见cvLine的描述
shift
坐标点的小数点位数。
代码:
#include <iostream>
#include <opencv2\highgui\highgui.hpp>using namespace std;
using namespace cv;
int main()
{char *imageSrc = "I:\\OpenCV Learning\\picture\\sumpalace.jpg";Mat matImage = imread(imageSrc,-1);IplImage *iplImage = cvLoadImage(imageSrc,-1);if(matImage.data==0||iplImage->imageData ==0){cout<<"图片加载失败"<<endl;return -1;} cv::rectangle(matImage,cvPoint(20,200),cvPoint(200,300),Scalar(255,0,0),1,1,0);//Rect(int a,int b,int c,int d)a,b为矩形的左上角坐标,c,d为矩形的长和宽cv::rectangle(matImage,Rect(100,300,20,200),Scalar(0,0,255),1,1,0);cvRectangle(iplImage,cvPoint(20,200),cvPoint(200,300),Scalar(0,255,255),1,1,0);imshow("matImage",matImage);cvShowImage("IplImage",iplImage);waitKey();return 0;
}
注意:如果需要在Mat类型的图上绘制矩形,选择cv::trctangle()
在IplImage*类型的图上绘制矩形,选择cvRectangle()
matchTemplate()
模板匹配: 模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.
matchTemplate()参数详解
CV_EXPORTS_W void matchTemplate( InputArray image, InputArray templ, OutputArray result, int method );
image:待匹配的源图像
templ:模板图像
result:保存结果的矩阵,我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置.
minMaxLoc()函数:
minMaxLoc()函数:查找全局最小和最大稀疏数组元素并返回其值及其位置
void minMaxLoc(const SparseMat& a, double* minVal,double* maxVal, int* minIdx=0, int* maxIdx=0);
a: 匹配结果矩阵
&minVal 和 &maxVal: 在矩阵 result 中存储的最小值和最大值
&minLoc 和 &maxLoc: 在结果矩阵中最小值和最大值的坐标.
method :模板匹配的算法:
有以下六种:
enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };
TM_SQDIFF,TM_SQDIFF_NORMED匹配数值越低表示匹配效果越好,其它四种反之。
TM_SQDIFF_NORMED,TM_CCORR_NORMED,TM_CCOEFF_NORMED是标准化的匹配,得到的最大值,最小值范围在0~1之间,其它则需要自己对结果矩阵归一化。
不同的方法会得到差异很大的结果,可以通过测试选择最合适的方法。
归一化函数normalize()
normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
大致用法代码:
void templateMatching(const Mat& srcImage,const Mat& templateImage)
{Mat result;int result_cols = srcImage.cols - templateImage.cols + 1;int result_rows = srcImage.rows - templateImage.rows + 1;if(result_cols < 0 || result_rows < 0){qDebug() << "Please input correct image!";return;}result.create(result_cols, result_rows, CV_32FC1);
// enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };matchTemplate(srcImage,templateImage,result,TM_CCOEFF_NORMED); //最好匹配为1,值越小匹配越差double minVal = -1;double maxVal;Point minLoc;Point maxLoc;Point matchLoc;minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());//取大值(视匹配方法而定)
// matchLoc = minLoc;matchLoc = maxLoc;//取大值,值越小表示越匹配QString str = "Similarity:" + QString::number((maxVal) * 100, 'f', 2) + "%";qDebug(str.toAscii().data());Mat mask = srcImage.clone(); //绘制最匹配的区域rectangle(mask, matchLoc, Point(matchLoc.x + templateImage.cols, matchLoc.y + templateImage.rows), Scalar(0, 255, 0), 2, 8, 0);imshow("mask",mask);
}
这篇关于OpenCV的Rect()函数、Rectangle()函数、matchTemplate()参数详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!