当前位置：首页 > web >正文

OpenCV CUDA模块图像处理------创建一个模板匹配（Template Matching）对象函数createTemplateMatching()

web 2025/6/30 2:01:30

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

创建一个用于在 GPU 上执行模板匹配的 TemplateMatching 对象。

该函数返回一个指向 TemplateMatching 的智能指针（Ptr），可以使用它调用 .match() 方法对图像和模板进行匹配。

函数原型

Ptr<TemplateMatching> cv::cuda::createTemplateMatching
(int  	srcType,int  	method,Size  	user_block_size = Size() 
)

参数

srcType 输入图像的数据类型。目前支持 CV_32F 和 CV_8U 深度的图像（通道数为 1 到 4）。
method 指定将模板与图像进行比较的方式（即匹配方法）。
user_block_size 你可以通过 user_block_size 字段来设置特定的块大小。如果你使用默认值 Size(0, 0)，则会自动估算块大小（该方式以速度优化为目标）。通过调整 user_block_size，你可以在牺牲速度的前提下减少内存占用。

当前对 CV_8U 深度图像支持的匹配方法包括：

CV_TM_SQDIFF
CV_TM_SQDIFF_NORMED
CV_TM_CCORR
CV_TM_CCORR_NORMED
CV_TM_CCOEFF
CV_TM_CCOEFF_NORMED

当前对 CV_32F 深度图像支持的匹配方法包括：

CV_TM_SQDIFF
CV_TM_CCORR

代码示例

#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>int main()
{// Step 1: 读取图像和模板cv::Mat h_src      = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_GRAYSCALE );cv::Mat h_template = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/template.jpg", cv::IMREAD_GRAYSCALE );if ( h_src.empty() || h_template.empty() ){std::cerr << "Failed to load image or template!" << std::endl;return -1;}// Step 2: 图像上传到 GPUcv::cuda::GpuMat d_src, d_template, d_result;d_src.upload( h_src );d_template.upload( h_template );// Step 3: 创建模板匹配器int srcType = h_src.type();          // CV_8UC1int method  = cv::TM_CCOEFF_NORMED;  // 匹配方法cv::Size block_size;                 // 使用默认 block sizecv::Ptr< cv::cuda::TemplateMatching > matcher = cv::cuda::createTemplateMatching( srcType, method, block_size );// Step 4: 执行模板匹配matcher->match( d_src, d_template, d_result );// Step 5: 下载结果并显示cv::Mat h_result;d_result.download( h_result );cv::imshow( "Source Image", h_src );cv::imshow( "Template", h_template );cv::imshow( "Match Result", h_result );cv::waitKey( 0 );return 0;
}