C# 基于OpenCv的视觉工作流-章41-模板匹配
本章目标：
一、匹配原理；
二、模板创建；
三、模板匹配；
本文模板匹配仅取最佳匹配，即单目标匹配，下章介绍多目标匹配。模板匹配多用于目标定位，后续很多章节点，将采用模板匹配进行整体定位，在整体定位基础上再进行局部区域的定位、识别、判断。
一、匹配原理
模板匹配是用目标图(小图)逐像素在被搜图(大图)上进行移动扫描，找到最相似的地方，详细原理，见文末链接
6种算法公式
二、模板创建
模板创建有多种方式，可手动截图、按坐标截图等，为使用方便，本文介绍拖拽ROI方式。ROI为自定义控件，需要较强的C#基础知识，为减少篇幅，不进行展开描述。
1、生成ROI
根据需要选相应的ROI，ROI框住的范围即为截取的图像区域，即模板。
2、ROI涂抹
一般情况下，上一步截得的模板基本满足大部分匹配需求，但如果想让模板内部某部分不进行匹配，提升效率，则可涂抹掉不需要的区域，再保存为模板。
三、模板匹配
模板取得后，普通应用就可以直接进行匹配操作了，但考虑到模板截取时的缩放(尺度)、被匹配对象存在旋转角度以及匹配效率，需要进行相应的处理。
1、尺度处理
用Resize算子（前文已有介绍，不再详述），将模板图按设置尺度值，进行相应尺度缩放；
2、角度处理
用仿射变换（前文已有介绍，不再详述），将模板图按设置角度值，进行相应旋转；
3、金字塔采样
图像金字塔有上采样和下采样，本文采用下采样方式。对模板图像、被搜图像进行下采样，得到多张不同分辨率的图像。分辨率越低，匹配效率越高。
OpenCv 图像下采样可如下使用
Cv2.PyrDown(image, outImage, new OpenCvSharp.Size(width, height));
其中：参数1，为输入图像；
参数2，为输出图像；
参数3，为输出图像尺寸；
4、模板匹配
模板图及被搜图全部准备好后，即可以进行匹配检测
OpenCv 模板匹配可如下使用
Mat resMat = new Mat();
Cv2.MatchTemplate(srcFinalImage, modelFinalImage, resMat, matchMode);
其中：参数1，为被搜图；
参数2，为模板图；
参数3，为输出匹配结果；
参数4，为匹配方法；
5、获取最佳匹配
匹配后，得到的匹配结果resMat中，有各种信息，可对其进行筛选，选取最好的匹配结果
OpenCv 取最大最小值可如下使用
Cv2.MinMaxLoc(resMat, out double min, out double max, out OpenCvSharp.Point minLoc, out OpenCvSharp.Point maxLoc);
其中：参数1，为匹配结果；
参数2，为最小值；
参数3，为最大值；
参数4，为最小值坐标；
参数5，为最大值坐标；
说明：6种匹配算法中，是最大值最接近模板图，还是最小值最接近模板图？不是固定的规则。
SqDiff算法：值越小，越相似；
SqDiffNormed算法：值越大，越相似；
CCorr算法：值越大，越相似；
CCorrNormed算法：值越小，越相似；
CCoeff算法：值越大，越相似；
CCoeffNormed算法：值越大，越相似；
匹配效果，如下图
参考链接
"VisionTool 探迹"免费视觉工具
下载地址：https://pan.baidu.com/s/11tktKOSnepLNIEqNbvnv6w?pwd=qv5i
版本已更新为V1.0.0.2，更新内容如下：
1.增加点查找；
2.增加交点查找；
3.增加轮廓点距，实现两轮廓各点间距测量；
4.增加点-点间距，实现独立点与独立点的距离测量；
5.增加点-线间距，实现独立点与独立线的距离测量；
6.增加线-线间距，实现独立线与独立线的距离测量；
7.增加线-线角度，实现独立线与独立线的角度测量；
8.增加轮廓段距，实现两轮廓的分段间距测量；
9.缺陷检测模块中，修复ROI显示功能；
"VisionTool Halcon"付费视觉工具
下载地址：https://pan.baidu.com/s/1v832KTonDYS6oNnWG2iZtQ?
对应系列文章"C# 基于Halcon的视觉工作流"，欢迎前往阅读。
上述内容需要一定的技术功底，本章至此已结束，欢迎阅读下章，谢谢！