基于LockAI视觉识别模块：C++多模板匹配_诺佳网—

多模板匹配是一种在图像中同时寻找多个模板的技术。通过对每个模板逐一进行匹配，找到与输入图像最相似的区域，并标记出匹配度最高的结果。本实验提供了一个简单的多模板匹配案例，并将其封装为一个自定义函数 multiTemplateMatching，方便快速移植和使用。

源代码地址：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/C03_Template_Matching_more

1. 基本知识讲解

1.1 多模板匹配的重要性

目标检测：多模板匹配可以用于检测图像中的多个特定对象。

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。

优势：支持多个模板的同时匹配，能够灵活处理多种目标。

局限性：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 多模板匹配的流程

获取输入图像和多个模板图像。

遍历每个模板，逐一执行模板匹配算法（如归一化互相关 NCC）。

找到每个模板匹配结果中的最大值及其位置。

根据相似度阈值筛选匹配结果，并记录匹配度最高的模板。

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 模板匹配

cv::matchTemplate(image,templ,result,method);

功能：在输入图像中搜索模板图像的最佳匹配位置。

参数：

CV_TM_SQDIFF：平方差匹配。

image：输入图像。

templ：模板图像。

result：匹配结果图像，输出参数。

method：匹配方法，可选值有：

返回值：无。

2.3 查找机制

cv::minMaxLoc(src,minVal,maxVal,minLoc,maxLoc,mask);

功能：查找匹配结果图像中的最小值和最大值及其位置。

参数：

src：输入矩阵。

minVal：输出的最小值。

maxVal：输出的最大值。

minLoc：最小值的位置。

maxLoc：最大值的位置。

mask：可选的掩码矩阵。

返回值：无。

3. 综合代码解析

3.1 流程图

3.2 代码解释

使用多模板匹配函数

multiTemplateMatching(img,templates,0.7,true);

自定义多模板匹配函数具体参数如下所示。

voidmultiTemplateMatching(constMat&img,constvector<string>&templatePaths,
doublethreshold=0.7,boolisGrayscale=false);

功能：对多个模板逐一执行匹配，并标记匹配度最高的区域。

参数：

img：输入图像。

templatePaths：模板图像路径列表。

threshold：相似度阈值，默认为 0.7。

isGrayscale：是否将输入图像转换为灰度图像，默认为 false。

返回值：无。

输出结果

edit.Print(img);

3.3 完整代码实现

#include

#include
#include
#include
#include

usingnamespacecv;
usingnamespacestd;

// 多模板匹配函数（支持彩色或灰度图像，仅绘制匹配度最高的框）
voidmultiTemplateMatching(constMat&img,constvector<string>&templatePaths,
doublethreshold=0.7,boolisGrayscale=false)
{
// 初始化最高匹配度和对应的模板路径、位置
doublebestMatchValue=0.0;
stringbestMatchTemplatePath="";
RectbestMatchRect;

// 遍历每个模板路径
for(constauto&templatePath:templatePaths)
{
// 加载模板图像（根据 isGrayscale 决定是灰度还是彩色）
Mattempl=imread(templatePath,isGrayscale?IMREAD_GRAYSCALE:IMREAD_COLOR);
if(templ.empty())
{
cerr<<"无法加载模板图像: "<<templatePath<<endl;
continue;
}

// 如果输入图像是灰度图像，则将彩色图像转换为灰度
MatinputImage=img.clone();
if(isGrayscale&&inputImage.channels()==3)
{
cvtColor(inputImage,inputImage,COLOR_BGR2GRAY);
}

// 创建结果矩阵
intresult_cols=inputImage.cols-templ.cols+1;
intresult_rows=inputImage.rows-templ.rows+1;
Matresult(result_rows,result_cols,CV_32FC1);

// 执行模板匹配
matchTemplate(inputImage,templ,result,TM_CCOEFF_NORMED);

// 查找最佳匹配位置
doubleminVal,maxVal;
PointminLoc,maxLoc;
minMaxLoc(result,&minVal,&maxVal,&minLoc,&maxLoc);

// 如果当前模板的最大匹配度高于之前的记录，则更新最佳匹配信息
if(maxVal>bestMatchValue&&maxVal>=threshold)
{
bestMatchValue=maxVal;
bestMatchTemplatePath=templatePath;
bestMatchRect=Rect(maxLoc.x,maxLoc.y,templ.cols,templ.rows);
}
}

// 如果找到匹配度高于阈值的最佳匹配，则绘制矩形框
if(!bestMatchTemplatePath.empty())
{
rectangle(img,bestMatchRect,Scalar(0,255,0),2);// 绿色矩形框
cout<<"匹配到模板: "<<bestMatchTemplatePath
<<", 匹配度: "<<bestMatchValue<<endl;
}
else
{
cout<<"未找到匹配度高于阈值的模板。"<<endl;
}
}

intmain(intargc,char*argv[])
{
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;

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;
}

// 检查命令行参数是否提供了模板路径
vector<string>templates;
if(argc<2)
{
cerr<<"Usage: "<<argv[0]<<" template_path1 [template_path2 ...]"<<endl;
returnEXIT_FAILURE;
}

// 从命令行读取模板路径
for(inti=1;i<argc;++i)
{
templates.push_back(argv[i]);
}

while(true)
{
cv::Matimg;// 存储每一帧图像
cap>>img; // 获取新的一帧

// 检查是否成功读取帧
if(img.empty())
{
std::cerr<<"Warning: Couldn't read a frame from the camera."
<<std::endl;
continue;
}

// 执行多模板匹配（示例中仍使用彩色图像）
multiTemplateMatching(img,templates,0.7,true);

// 显示结果
edit.Print(img);
}

return0;
}

4.2 Cmake介绍

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

project(test-TemplateMatching-more)

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

install(
TARGETS Test-TemplateMatching-more
RUNTIME DESTINATION .
)

4. 编译结果

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。

4.3 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/C03_TemplateMatching_more
# 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

5.2 运行过程

在凌智视觉模块中输入以下命令：

chmod777Test-TemplateMatching-more
# 在实际运行中，模板数量越少，相对来说运行的帧率越高，如需更高帧率请自行降低分辨率。
./Test-TemplateMatching-more template_0.png template_1.png template_2.png template_3.png