当使用opencv cvMatchTemplate时，如何选择一个好的模板来进行更准确的匹配？

Question

我使用opencv cvMatchTemplate在一堆图像中查找商标图案。

现在我所做的就是查看图片，从商标中找到一些独特的补丁，并将其用作我的模板。 我发现使用整个商标图片并不一定比使用它的一部分更好。我的问题是

这是正常的吗？或者我错了。

如果是正常的，我如何选择一个好的模板来进行更准确的匹配？

或换句话说，选择好的模板背后是否有任何数学理论，这可以帮助我选择最佳模板。

我没有使用特征检测，因为我发现它不像模板匹配那样准确。

Answer 1

为什么模板匹配与特征检测一样好（当每个人都喜欢特征检测时）

模板匹配与特征检测不同，假设您要查找的内容与模板位于同一平面（图像平面）。 “扭曲”模板不起作用（与变形模板匹配的模板称为数字图像相关）。

因此，如果您要在与相机对齐的纸张图像中寻找徽标，那么模板匹配就是您的选择，但如果您在街道的随机图像上寻找徽标，那么特征检测是你的事。

模板匹配如何工作？

openCV有一个很好的例子： http://docs.opencv.org/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

为什么模板的一部分与整体一样好？

但是你想知道为什么只有一块模板和整个模板一样好（并不总是，但可能发生）。

这很容易理解：模板的“部分”有足够的信息可供识别。

示例*：

如果我要求您找到以下图片，您会准确找到吗？

我希望答案是肯定的。为什么你不需要整个图像来找到它？

->因为图像的这一部分有足够的信息可以准确识别！你不需要整个形象！

但是，如果我能给你以下图片：

您将无法识别徽标，因为至少有3或4个其他徽标上有黄色。

我怎么知道我的模板是否足够好？

无法“确定”知道模板是否足以唯一标识，但有一种方法可以知道图像中是否有信息。

由于模板匹配依赖于相关系数和平方和系数，这意味着模板具有的“不同”信息量越多越好。这可以用图像梯度的总和来近似。

计算模板在X和Y方向上的渐变并求它们，然后对结果求和。这个数字越大，模板越好！**

*徽标是一个很好的例子，我与这些公司没有任何联系。

**这在http://www.ncbi.nlm.nih.gov/pubmed/18545407

中得到了数学证明