OpenCV CUDA模块图像处理------创建一个模板匹配(Template Matching)对象函数createTemplateMatching()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

创建一个用于在 GPU 上执行模板匹配的 TemplateMatching 对象。

该函数返回一个指向 TemplateMatching 的智能指针(Ptr),可以使用它调用 .match() 方法对图像和模板进行匹配。

函数原型

cpp 复制代码
Ptr<TemplateMatching> cv::cuda::createTemplateMatching
(
 	int  	srcType,
	int  	method,
	Size  	user_block_size = Size() 
) 		

参数

  • srcType 输入图像的数据类型。目前支持 CV_32F 和 CV_8U 深度的图像(通道数为 1 到 4)。
  • method 指定将模板与图像进行比较的方式(即匹配方法)。
  • user_block_size 你可以通过 user_block_size 字段来设置特定的块大小。如果你使用默认值 Size(0, 0),则会自动估算块大小(该方式以速度优化为目标)。通过调整 user_block_size,你可以在牺牲速度的前提下减少内存占用。

当前对 CV_8U 深度图像支持的匹配方法包括:

  • CV_TM_SQDIFF
  • CV_TM_SQDIFF_NORMED
  • CV_TM_CCORR
  • CV_TM_CCORR_NORMED
  • CV_TM_CCOEFF
  • CV_TM_CCOEFF_NORMED

当前对 CV_32F 深度图像支持的匹配方法包括:

  • CV_TM_SQDIFF
  • CV_TM_CCORR

代码示例

cpp 复制代码
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // Step 1: 读取图像和模板
    cv::Mat h_src      = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_GRAYSCALE );
    cv::Mat h_template = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/template.jpg", cv::IMREAD_GRAYSCALE );

    if ( h_src.empty() || h_template.empty() )
    {
        std::cerr << "Failed to load image or template!" << std::endl;
        return -1;
    }

    // Step 2: 图像上传到 GPU
    cv::cuda::GpuMat d_src, d_template, d_result;

    d_src.upload( h_src );
    d_template.upload( h_template );

    // Step 3: 创建模板匹配器
    int srcType = h_src.type();          // CV_8UC1
    int method  = cv::TM_CCOEFF_NORMED;  // 匹配方法
    cv::Size block_size;                 // 使用默认 block size

    cv::Ptr< cv::cuda::TemplateMatching > matcher = cv::cuda::createTemplateMatching( srcType, method, block_size );

    // Step 4: 执行模板匹配
    matcher->match( d_src, d_template, d_result );

    // Step 5: 下载结果并显示
    cv::Mat h_result;
    d_result.download( h_result );

    cv::imshow( "Source Image", h_src );
    cv::imshow( "Template", h_template );
    cv::imshow( "Match Result", h_result );
    cv::waitKey( 0 );

    return 0;
}

运行结果

正确运行后,h_result 是一个灰度图像,其中:

  • 每个像素值表示模板与该位置的匹配程度;
  • 越亮的区域(接近 255 或 1.0)表示匹配越好;
  • 越暗的区域(接近 0)表示匹配较差;
相关推荐
张较瘦_1 天前
[论文阅读] AI赋能 | 当AI看懂交通摄像头:多模态大模型零样本检测的实战报告
论文阅读·人工智能
cxr8281 天前
BMAD框架实践:掌握story-checklist提升用户故事质量
前端·人工智能·agi·智能体·ai赋能
Dongsheng_20191 天前
【汽车篇】AI深度学习在汽车零部件外观检测——机电轴承的应用
人工智能·深度学习·汽车
江瀚视野1 天前
汽车价格战全面熄火了?不卷价格该卷什么?
人工智能·自动驾驶
资讯全球1 天前
2025年智慧差旅平台推荐
人工智能
en-route1 天前
从零开始学神经网络——LSTM(长短期记忆网络)
人工智能·深度学习·lstm
视觉语言导航1 天前
CVPR-2025 | 具身导航指令高效生成!MAPInstructor:基于场景图的导航指令生成Prompt调整策略
人工智能·机器人·具身智能
wanhengidc1 天前
云手机与人工智能之间的关系
人工智能·智能手机
Sic_MOS_780168241 天前
超高密度2kW GaN基低压电机驱动器的设计
人工智能·经验分享·汽车·集成测试·硬件工程·能源