声明：本篇仅仅是分享网上的开源项目，算法非本人原创。
本文转自：OpenCV研习社
干货 | OpenCV实现边缘模板匹配算法 - 云+社区 - 腾讯云
干货 | OpenCV实现边缘模板匹配算法 - 云+社区 - 腾讯云
背景概述
OpenCV中自带的模板匹配算法，完全是像素基本的模板匹配，特别容易受到光照影响，光照稍微有所不同，该方法就会歇菜了！搞得很多OpenCV初学者刚学习到该方法时候很开心，一用该方法马上很伤心，悲喜交加，充分感受到了理想与现实的距离，不过没关系，这里介绍一种新的模板匹配算法，主要是基于图像边缘梯度，它对图像光照与像素迁移都有很强的抗干扰能力，据说Halcon的模板匹配就是基于此的加速版本，在工业应用场景中已经得到广泛使用。
算法原理
该算法主要是基于图像梯度，实现基于梯度级别的NCC模板匹配，基于Sobel梯度算子得到dx, dy, magnitude
通过Canny算法得到边缘图像、基于轮廓发现得到所有的轮廓点集，基于每个点计算该点的dx、dy、magnitude(dxy)三个值。生成模板信息。然后对输入的图像进行Sobel梯度图像之后，根据模型信息进行匹配，这样的好处有两个：
梯度对光照有很强的抗干扰能力，对模板匹配的抗光照干扰基于梯度匹配，可以对目标图像上出现的微小像素迁移进行抵消。
算法实现代码详解
梯度图像计算
Mat gx, gy;Sobel(gray, gx, CV_32F, 1, 0);Sobel(gray, gy, CV_32F, 0, 1);Mat magnitude, direction;cartToPolar(gx, gy, magnitude, direction);long contoursLength = 0;double magnitudeTemp = 0;int originx = contours[0][0].x;int originy = contours[0][0].y;
模板生成
// 提取dx\dy\mag\log信息vector<vector<ptin>> contoursInfo;// 提取相对坐标位置vector<vector<Point>> contoursRelative;// 开始提取for (int i = 0; i < contours.size(); i++) {int n = contours[i].size();contoursLength += n;contoursInfo.push_back(vector<ptin>(n));vector<Point> points(n);for (int j = 0; j < n; j++) {int x = contours[i][j].x;int y = contours[i][j].y;points[j].x = x - originx;points[j].y = y - originy;ptin pointInfo;pointInfo.DerivativeX = gx.at<float>(y, x);pointInfo.DerivativeY = gy.at<float>(y, x);magnitudeTemp = magnitude.at<float>(y, x);pointInfo.Magnitude = magnitudeTemp;if (magnitudeTemp != 0)pointInfo.MagnitudeN = 1 / magnitudeTemp;contoursInfo[i][j] = pointInfo;}contoursRelative.push_back(points);}
计算目标图像梯度
// 计算目标图像梯度Mat grayImage;cvtColor(src, grayImage, COLOR_BGR2GRAY);Mat gradx, grady;Sobel(grayImage, gradx, CV_32F, 1, 0);Sobel(grayImage, grady, CV_32F, 0, 1);Mat mag, angle;cartToPolar(gradx, grady, mag, angle);
形状模板匹配
double partialScore = 0;double resultScore = 0;int resultX = 0;int resultY = 0;double start = (double)getTickCount();for (int row = 0; row < grayImage.rows; row++) {for (int col = 0; col < grayImage.cols; col++) {double sum = 0;long num = 0;for (int m = 0; m < contoursRelative.size(); m++) {for (int n = 0; n < contoursRelative[m].size(); n++) {num += 1;int curX = col + contoursRelative[m][n].x;int curY = row + contoursRelative[m][n].y;if (curX < 0 || curY < 0 || curX > grayImage.cols - 1 || curY > grayImage.rows - 1) {continue;}// 目标边缘梯度double sdx = gradx.at<float>(curY, curX);double sdy = grady.at<float>(curY, curX);// 模板边缘梯度double tdx = contoursInfo[m][n].DerivativeX;double tdy = contoursInfo[m][n].DerivativeY;// 计算匹配if ((sdy != 0 || sdx != 0) && (tdx != 0 || tdy != 0)){double nMagnitude = mag.at<float>(curY, curX);if (nMagnitude != 0)sum += (sdx * tdx + sdy * tdy) * contoursInfo[m][n].MagnitudeN / nMagnitude;}// 任意节点score之和必须大于最小阈值partialScore = sum / num;if (partialScore < min((minScore - 1) + (nGreediness * num), nMinScore * num))break;}}// 保存匹配起始点if (partialScore > resultScore){resultScore = partialScore;resultX = col;resultY = row;}}}
运行效果
正常光照
光照非常暗
改进：
不需要全局匹配，可以对目标图像先做一个小梯度阈值，然后再进行匹配，提升速度、构造目标图像金字塔，实现多分辨率模板匹配支持！
觉得不错点【好看】支持一下！
参考：
Edge Based Template Matching - CodeProject
/meiqua/shape_based_matching
/daxiaHuang/edge-template-match
基于边界的模板匹配的原理及算法实现
基于边界的模板匹配的原理及算法实现_小新识图的博客-CSDN博客_halcon模板匹配原理
基于边界的模板匹配的原理及算法实现C++_模板匹配算法原理,c++模板匹配算法-C++代码类资源-CSDN下载
