做机器视觉项目时，模板匹配可能是很多人接触过的第一个算法。
读取一张图片，截取一个模板，调用 OpenCV 接口，再把匹配位置画出来。
十几行代码，就能看到结果。
但当我真正想把它做成一个可以反复使用的软件时，才发现事情没有这么简单。
模板从哪里来？
每次使用时都要重新截图吗？
模板参数怎么保存？
目标旋转以后还能不能匹配？
不同尺寸的目标怎么处理？
匹配出多个结果以后，分数、位置、角度和尺度在哪里查看？
于是，我花了一些时间，把原本零散的模板匹配代码整理成了一套基于 Qt 和 OpenCV 的离线模板匹配工具。
它不是一个完整的产线视觉系统，也没有接入工业相机、PLC 或 MES。
它目前专注于一件事情：
把模板匹配从一个算法 Demo，整理成一套可以运行、可以制作模板、可以保存参数、可以重复加载和继续二次开发的软件工具。
先看一下实际效果
下面这张图中，待检测图片里有多个尺寸、角度不同的齿轮。
软件执行匹配后，会在图像上绘制匹配框和中心点，同时显示每个结果的匹配分数。
从结果可以看到，目标发生旋转后，软件仍然可以返回匹配位置。
右侧参数面板中，可以设置：
- 最低匹配分数；
- 最大匹配数量；
- 最大重叠率；
- 角度起点和终点；
- 角度步长；
- 尺度范围；
- 尺度步长；
- 算法相关参数。
底部还会显示本次匹配耗时。
对于一个单纯的算法 Demo，这些功能可能不重要。
但对于一个真正需要反复测试和调参的小工具，它们非常重要。
为什么我没有只写一个简单的 matchTemplate
很多 OpenCV 模板匹配示例，流程通常是这样的：
读取图片；
截取模板；
执行匹配；
画出矩形框；
显示结果。
作为入门示例，这完全没有问题。
但只要稍微往实际使用方向走一步，就会遇到很多细节。
例如：
- 模板不能每次都重新截图；
- ROI 不能永远只是一个固定矩形；
- 模板区域过大，会把背景带进去；
- 模板区域过小，目标边缘可能不完整；
- 不同算法需要不同参数；
- 匹配结果不能只画一个框，还要显示分数、角度和尺度；
- 参数调好后，下次打开软件应该能够继续使用。
所以，我没有把所有逻辑都堆在一个按钮里，而是按照实际操作流程拆成了几个部分：
这样用起来会更清楚。
软件目前有哪些功能？
目前，这套工具支持以下功能：
- 加载本地待检测图片；
- 制作模板；
- 保存模板文件；
- 加载已有模板；
- 设置匹配分数阈值；
- 设置匹配数量；
- 设置角度搜索范围；
- 设置尺度搜索范围；
- 显示匹配位置；
- 显示匹配中心点；
- 显示分数、角度、尺度和坐标；
- 保存匹配结果图片；
- 查看匹配耗时。
软件中目前提供了两类匹配方式：
Fast NCC
更适合灰度细节比较稳定、纹理信息比较明显的目标。
例如字符、Logo、表面纹理和固定图案。
Shape Based
更关注边缘和轮廓。
对于纹理不明显，但形状比较稳定的目标，更容易发挥作用。
不同场景适合使用不同算法，所以软件中保留了统一的参数入口和切换方式。
模板制作，不只是随便框一个区域
模板匹配的效果，很大程度取决于模板本身。
如果 ROI 框得太大，背景也会参与匹配。
如果 ROI 框得太小，目标边缘可能会被裁掉。
如果模板特征太少，后续匹配容易不稳定。
因此，我单独做了一个模板制作窗口。
左侧用于选择 ROI，右侧实时显示模板效果。
目前支持：
- 矩形 ROI；
- 可旋转矩形 ROI；
- 圆形 ROI。
在制作模板时，还可以调整：
- ROI 外扩边距；
- Mask 膨胀和腐蚀；
- 最大特征点数量；
- 最小梯度；
- 亮度归一化。
右侧会实时显示：
- 模板图像；
- 有效区域；
- 特征点分布；
- 有效像素数量；
- 对比度；
- 模板质量提示。
这样做的好处是，模板是否合适，不需要等到匹配失败以后才发现。
在制作阶段，就可以看到特征点是不是落在了目标轮廓上。
模板保存以后，下次可以直接加载
很多简单的模板匹配示例，只保存一张模板图片。
但在实际使用中，仅仅保存图片还不够。
因为模板通常还包含：
- ROI 类型；
- ROI 位置；
- Mask；
- 制作参数；
- 特征点；
- 匹配算法；
- 匹配参数。
所以我设计了一个模板文件，用来保存这些信息。
制作完成后，可以直接保存模板。
下次打开软件时，不需要重新框选 ROI，也不需要重新调一遍参数，直接加载模板文件即可继续使用。
这也是我认为这个项目比较有实用价值的地方。
它不只是“跑一次算法”，而是把模板制作和复用流程完整地串了起来。
匹配结果不只是在图上画一个框
执行匹配以后，结果会同时显示在图像和表格中。
图像中会绘制：
- 匹配矩形框；
- 中心点；
- 结果编号；
- 匹配分数。
表格中会显示：
- 分数；
- 角度；
- 尺度；
- X、Y 坐标；
- 宽度；
- 高度。
这样在测试不同参数时，可以更方便地比较结果。
旋转目标也可以测试
下面这张图中，目标存在明显的角度变化。
软件可以根据设置的角度范围和角度步长，搜索不同方向的目标。
从结果表格中，也可以看到每个目标对应的角度和分数。
对于轮廓类目标，这类旋转搜索比较实用。
也可以做最简单的单目标定位
如果图像中只有一个目标，也可以只返回最佳匹配结果。
【插入图片 5：单目标匹配结果图】
对于初学者来说，这个例子也比较容易理解：
先制作模板，再加载另一张图片，最后定位目标位置。
从一个简单示例开始，再逐步测试旋转、尺度和多个目标，会更容易理解模板匹配的完整流程。
这套软件适合哪些人？
这套工具目前是一个离线版本，更适合以下几类用途：
- 学习 Qt 和 OpenCV 图像处理；
- 学习模板匹配基本流程；
- 测试不同图片的模板匹配效果；
- 了解 ROI、Mask 和特征点的作用；
- 学习模板保存和加载；
- 作为 Qt 图像处理工具的二次开发基础；
- 作为其他视觉软件功能模块的参考。
需要说明的是：
这不是一套已经接入产线的完整视觉系统。
目前版本不包含：
- 工业相机采集；
- PLC 通信；
- MES 对接；
- 连续检测流程；
- 产品配方管理；
- 现场部署相关功能。
但对于学习、测试和二次开发来说，目前的功能已经比较完整。
软件运行版如何获取？
如果你想先体验软件，可以评论区回复模板匹配或转发文章
给博主获取。
- Windows 可运行版本；
- 示例图片；
- 简单操作说明。
源码发布时间
项目源码将在：6 月 16 日发 开源单独发布。近期我需要整理一下注释和相关资料
对源码感兴趣的朋友，可以先关注公众号。
最后
模板匹配本身并不是一个新算法。
真正让我感兴趣的是：怎样把一个算法能力，整理成别人可以直接使用的软件流程。
从加载图片，到制作模板；
从 ROI 绘制，到特征点预览；
从参数调整，到模板保存；
从执行匹配，到结果展示。
每一步都不复杂。
但当这些步骤完整串起来以后，一个简单的 OpenCV Demo，才真正变成了一套可以使用的小工具。
如果你在使用过程中遇到问题，可以留言交流。
如果你希望在现有工具基础上增加功能，或者需要开发其他 Qt、OpenCV、图像处理和机器视觉软件，也可以联系博主进行评估。
