物体検出¶

MatchTemplate¶

MatchTemplate(image, templ, result, method) → None¶

テンプレートと，それと重なる領域の画像とを比較します．

パラメタ:

image (CvArr) – テンプレートとの比較を行う対象画像．8ビットあるいは32ビット，浮動小数点型．
templ (CvArr) – テンプレート．比較対象となる画像以下のサイズで，同じデータ型でなければいけません．
result (CvArr) – 比較結果のマップ．シングルチャンネル，32ビット，浮動小数点型． image が $W \times H$ で， templ が $w \times h$ の場合， result は必ず $(W-w+1) \times (H-h+1)$ となります．
method (int) – テンプレートと画像領域とを比較する方法（以下を参照してください）．

この関数は， CalcBackProjectPatch と類似した関数です．画像 image 全体に対してテンプレート templ をずらしながら，それとサイズ $w \times h$ の重なり領域とを指定された方法で比較し，その結果を result に格納します．ここでは，それぞれの比較手法の式を示します（ $I$ は image ， $T$ は template ， $R$ は result を表します）．総和演算は，テンプレートと重なり領域の，どちらか片方あるいは両方に対して行われます： $x' = 0...w-1, y' = 0...h-1$

method=CV_TM_SQDIFF

$R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2$
method=CV_TM_SQDIFF_NORMED

$R(x,y)= \frac{\sum_{x',y'} (T(x',y')-I(x+x',y+y'))^2}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$
method=CV_TM_CCORR

$R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))$
method=CV_TM_CCORR_NORMED

$R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I'(x+x',y+y'))}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$
method=CV_TM_CCOEFF

$R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I(x+x',y+y'))$

ここで，

$\begin{array}{l} T'(x',y')=T(x',y') - 1/(w \cdot h) \cdot \sum _{x'',y''} T(x'',y'') \\ I'(x+x',y+y')=I(x+x',y+y') - 1/(w \cdot h) \cdot \sum _{x'',y''} I(x+x'',y+y'') \end{array}$

です．
method=CV_TM_CCOEFF_NORMED

$R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }$

比較計算が終わると，関数 MinMaxLoc を用いて最も良いマッチング結果を，最小値（ CV_TM_SQDIFF ）や最大値（ CV_TM_CCORR ）として検出できます．カラー画像の場合，分母や分子のそれぞれの総和演算は，全てのチャンネルに対して行われます（それぞれチャンネルで，それぞれの平均値が用いられます）．

物体検出¶

MatchTemplate¶

ヘルプとフィードバック

目次

前のトピックへ

次のトピックへ

このページ

ナビゲーション

物体検出¶

MatchTemplate¶

ヘルプとフィードバック

目次

前のトピックへ

次のトピックへ

このページ

クイック検索

ナビゲーション