ナビゲーション

物体検出

MatchTemplate

Comments from the Wiki

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）．

目次

このページ

ナビゲーション

© Copyright 2010, authors (Translated by Junichi IDO). このドキュメントは Sphinx 1.1pre で生成しました。