开发的类似Halcon的模板匹配库

在实际应用中矩形会在行、列方向呈现不同的缩放尺度，圆形也会变成椭圆，所以需要将行方向和列方向的缩放尺度单独求出来，这也是halcon中的find_aniso_shape_model算子，俗称各向异性模板匹配，实现起来也不难，在find_scaled_shape_model的基础上改一下，执行效果如下。参照halcon中的create_shape_model_xld算子，自己写了一个基于几何图形创建模板的函数，目前只支持圆形和矩形，圆形需要指定半径，矩形需要指定长宽。

Qt+Opencv联合图片查看器，源代码分享

//--------------------------------------【程序說明】-------------------------------------------// 程序描述：模板匹配示例// 開發測試所用操作系統： Windows 7 64bit// 開發測試所用IDE版本：Visual Studio 2010//--------------------------------...

OpenCV 是一个非常强大的计算机视觉库，其中的模板匹配功能提供了高效的工具来实现图像中的目标定位。从本质上来说，模板匹配是一种用于在给定的图像（或其他类型的数据，如文本序列等，但主要以图像为例）中寻找与已知模板最相似部分的方法。这个模板可以是一个小的图像区域，例如，你想在一张风景照片中找到某个特定的标志，这个标志的图像就是模板。它的基本原理是通过在目标图像的各个位置滑动模板，并计算模板与图像在每个位置的相似度度量。这个相似度度量可以通过多种方式计算，例如计算像素值的差异等。

#include <opencv2/opencv.hpp> #include <iostream> cv::Mat src, temp, dst; int match_method = cv::TM_SQDIFF; int max_track = 5; const char* INPUT_T = "input image"; const char* OUTPUT_T = "result image"; const char* match_t = "template match-de

〇.算法效果展示 0.1要定位的模板一 找到的匹配 在有污损情况下找到的匹配 0.2要定位的模板2 找到的匹配 一． 理论部分 模板匹配的算法包括基于灰度的匹配，基于特征的匹配，基于组件的匹配，基于相关性的匹配以及局部变形匹配。基于灰度的匹配一般应用在没有缩放和旋转，颜色变化不大的场合。基于特征的匹配一般应用在具有缩放和旋转，颜色变化较大的场合。在模板各个组件有相对位移的情况下，使用基于组件的匹配算法。在图像模糊，目标定位不依赖于边缘的情况下一般使用基于相关性的..

​框架​类型​特点​优势​劣势​Halcon商业软件工业机器视觉，高精度、高效率算法优化好，硬件兼容性强价格高，学习曲线陡​VisionPro商业软件工业自动化，图形化开发易于使用，与 Cognex 硬件集成好价格高，功能较少​OpenCV开源工具通用计算机视觉，功能强大免费，社区活跃，适合快速开发需用户优化，对工业硬件支持弱​TensorFlow深度学习框架大规模深度学习应用社区庞大，生态系统完善学习曲线陡，部署复杂​PyTorch深度学习框架灵活，适合研究和开发。