正常模板匹配函數

matchTemplate(img, templatee, resultMat, 0);//模板匹配

?這里0代表的是方法，一般默認為0就ok?

img是輸入圖像 templatee是模板 resultmat是輸出

1、cv::TM_SQDIFF：該方法使用平方差進行匹配，因此最佳的匹配結果在結果為0處，值越大匹配結果越差。2、cv::TM_SQDIFF_NORMED：該方法使用歸一化的平方差進行匹配，最佳匹配也在結果為0處。3、cv::TM_CCORR：相關性匹配方法，該方法使用源圖像與模板圖像的卷積結果進行匹配，因此，最佳匹配位置在值最大處，值越小匹配結果越差。4、cv::TM_CCORR_NORMED：歸一化的相關性匹配方法，與相關性匹配方法類似，最佳匹配位置也是在值最大處。5、cv::TM_CCOEFF：相關性系數匹配方法，該方法使用源圖像與其均值的差、模板與其均值的差二者之間的相關性進行匹配，最佳匹配結果在值等于1處，最差匹配結果在值等于-1處，值等于0直接表示二者不相關。6、cv::TM_CCOEFF_NORMED：歸一化的相關性系數匹配方法，正值表示匹配的結果較好，負值則表示匹配的效果較差，也是值越大，匹配效果也好。

對于輸出的說明：

就是說result圖像中的每一個點的值代表了一次相似度比較結果。

?如圖可知，模板在待測圖像上每次在橫向或是縱向上移動一個像素，并作一次比較計算，由此，橫向比較W-w+1次，縱向比較H-h+1次，從而得到一個（W-w+1）×（H-h+1）維的結果矩陣，result即是用圖像來表示這樣的矩陣,因而圖像result的大小為（W-w+1）×（H-h+1）。匹配結果圖像與原圖像之間的大小關系，他們之間差了一個模板大小。

對輸出值的歸一化

?

normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());//歸一化

找出最佳匹配的位置：

	double minVal; double maxVal; Point minLoc; Point maxLoc;Point matchLoc;minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat());matchLoc = minLoc;

?我們這里選擇了最小值的位置，因為我們選的第一種方法也就是值越小越好，其他方法有可能是選最大的位置！！

在圖像畫出匹配最佳：
?

	Mat dispmat;img.copyTo(dispmat);rectangle(dispmat, matchLoc, Point(matchLoc.x + templatee.cols, matchLoc.y + templatee.rows),CV_RGB(0,255,0), 2, 8, 0);imshow("dispmat", dispmat);waitKey(0);destroyAllWindows();

結果顯示

---

---

利用opencv自帶選取roi+模板匹配，進行簡單的人臉追蹤識別?

選取roi

	if (cnt == 0) {Rect2d r;r = selectROI(frame, true);tempMat = frame(r);tempMat.copyTo(refMat);destroyAllWindows();}

?完整代碼：
?

	VideoCapture cap(0);Mat frame;Mat tempMat;Mat refMat;Mat dispMat;Mat resultMat;int cnt = 0;while (1) {cap >> frame;if (cnt == 0) {Rect2d r;r = selectROI(frame, true);tempMat = frame(r);tempMat.copyTo(refMat);destroyAllWindows();}imshow("template", refMat);int match_method = 0;matchTemplate(frame, refMat, resultMat, match_method);normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat());double minVal; double maxVal; Point minLoc; Point maxLoc;Point matchLoc;minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat());if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED){matchLoc = minLoc;}else{matchLoc = maxLoc;}frame.copyTo(dispMat);rectangle(dispMat, matchLoc, Point(matchLoc.x + refMat.cols, matchLoc.y + refMat.rows), Scalar::all(0), 2, 8, 0);cnt++;//imshow("template", refMat);imshow("dispMat", dispMat);waitKey(30);

至此opencv基礎學習到此結束 后期學習一些進階自學內容。

************************************************----***********************************************************