我并不总是有方形/矩形图像，有时我也应该匹配圆形图像。下面以 2 张图片为例。 Ball 是模板图像，第二个是 Source 应搜索模板的位置。我可以使模板的背景透明，但这会产生错误，将其设置为白色会降低匹配分数，因为正如您在源图像上看到的那样，球周围没有白色。这些只是 2 个示例图片。您有什么建议/解决方案吗？
【问题讨论】：
标签： java image opencv image-processing template-matching
我认为您也可以为此使用直方图反投影。在那里，您也可以使用任意形状的蒙版。将遮罩与反投影图像进行卷积，您将在图像中出现对象的区域检测到一个峰值，如下图（颜色映射和缩放）所示。
反投影：
卷积：
编辑：
这是基于此paper。我正在试验它，并希望在博客中发布。 这是用 C++ 编写的。
// model histogram: this is the football template
calcHist(&model32fc3, 1, (const int*)channels, modelMask, histModel, 3, (const int*)histSize, (const float**)ranges, true, false);
// image histogram
calcHist(&image32fc3, 1, (const int*)channels, Mat(), histImage, 3, (const int*)histSize, (const float**)ranges, true, false);
// ratio histogram
divide(histModel, histImage, histRatio);
cv::min(histRatio, 1.0, histRatio);
// backproject ratio histogram
calcBackProject(&image32fc3, 1, (const int*)channels, histRatio, backprj, (const float**)ranges);
// convolve the kernel with the backprojected image
filter2D(backprj, conv, CV_32F, modelMask);
【讨论】：
没关系，您仍然可以使用matchTemplate() 并获得出色的结果：
You can find a decent tutorial on OpenCV's documentation。顺便说一下，这是那里分享的演示的输出。
【讨论】：
如果你知道属于模板的像素，你可以编写你的匹配器
绝对差之和试验（伪代码）
Mat I, T // image and template
vector<Point> template_pixels
Rect sliding_window
vector<double> match_rates
for all rows in image
update sliding_window
for all cols in image
update sliding_window
Mat W = I(sliding_window)
sum = 0
for all rows in template
for all cols in template
if(template_pixels contains pixel i)
sum += abs(W(i) - T(i))
end for
end for
match_rates.pushback(sum)
end for
end for
minMaxLoc(match_rates)
并在图像行上使用多线程对其进行优化
【讨论】：