目的

このチュートリアルでは、以下の方法を学ぶ:

OpenCVの関数 matchTemplate() を使い、画像パッチと入力画像との間でマッチを探索する
OpenCVの関数 minMaxLoc() を使い、与えられた配列の最大値と最小値（およびその位置）を求める。

理論

テンプレートマッチングとは何か？

テンプレートマッチングは、テンプレート画像（パッチ）にマッチする（類似する）画像の領域を見つける手法である。

パッチは矩形でなければならないが、その矩形のすべてが意味を持つとは限らない。そのような場合、マスクを使ってマッチの探索に利用すべきパッチの部分だけを切り出すことができる。

どのように動作するのか？

主に2つの要素が必要である:
1. 元画像 (I): テンプレート画像とのマッチが見つかると期待される画像
2. テンプレート画像 (T): 元画像と比較されるパッチ画像
目的は、最もよくマッチする領域を検出することである:

マッチする領域を特定するには、テンプレート画像を元画像上でスライドさせながら比較しなければならない:

スライドとは、パッチを1ピクセルずつ（左から右、上から下へ）移動させることを意味する。各位置で、その位置でのマッチがどれだけ「良い」か「悪い」か（つまりパッチが元画像のその領域とどれだけ類似しているか）を表す指標が計算される。
I 上の T の各位置について、その指標を結果行列 R に格納する。R 内の各位置 \((x,y)\) はマッチの指標を持つ:

上の画像は、指標 TM_CCORR_NORMED でパッチをスライドさせた結果 R である。最も明るい位置が最も高いマッチを示す。見て取れるように、赤い丸で示された位置がおそらく最も高い値を持つ位置であり、その位置（その点を角とし、幅と高さがパッチ画像に等しい矩形）がマッチとみなされる。

実際には、関数 minMaxLoc() を使って R 行列の中の最大値（マッチング手法の種類によっては最小値）を見つける。

マスクはどのように機能するのか？

If masking is needed for the match, three components are required:
1. 元画像 (I): テンプレート画像とのマッチが見つかると期待される画像
2. テンプレート画像 (T): 元画像と比較されるパッチ画像
3. マスク画像 (M): テンプレートをマスクするグレースケール画像であるマスク
現在マスクを受け付けるマッチング手法は2つだけである: TM_SQDIFF と TM_CCORR_NORMED（OpenCVで利用できるすべてのマッチング手法の説明は下記参照）。
マスクはテンプレートと同じ寸法でなければならない
マスクは CV_8U または CV_32F のビット深度を持ち、テンプレート画像と同じチャンネル数でなければならない。CV_8U の場合、マスク値は2値、すなわちゼロと非ゼロとして扱われる。CV_32F の場合、値は [0..1] の範囲に収まる必要があり、テンプレートのピクセルは対応するマスクのピクセル値と乗算される。このサンプルの入力画像は CV_8UC3 型なので、マスクもカラー画像として読み込まれる。

OpenCVで利用できるマッチング手法は何か？

よい質問である。OpenCVはテンプレートマッチングを関数 matchTemplate() で実装している。利用できる手法は6つある:

method=TM_SQDIFF

\[R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2\]
method=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=TM_CCORR

\[R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))\]
method=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=TM_CCOEFF

\[R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I'(x+x',y+y'))\]

ここで

\[\begin{array}{l} T'(x',y')=T(x',y') - 1/(w \cdot h) \cdot \sum _{x'',y''} T(x'',y'') \\ I'(x+x',y+y')=I(x+x',y+y') - 1/(w \cdot h) \cdot \sum _{x'',y''} I(x+x'',y+y'') \end{array}\]
method=TM_CCOEFF_NORMED

\[R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }\]

コード

What does this program do?
- 入力画像、画像パッチ（テンプレート）、および省略可能でマスクを読み込む
- 前述の6つのマッチング手法のいずれかを使い、OpenCVの関数 matchTemplate() でテンプレートマッチング処理を実行する。ユーザーはトラックバーで選択を入力して手法を選べる。マスクが与えられた場合、マスクをサポートする手法でのみ使用される
- マッチング処理の出力を正規化する
- マッチング確率が高い位置を特定する
- 最も高いマッチに対応する領域の周囲に矩形を描画する

ダウンロード可能なコード: こちらをクリック
コードの概観:

#include "opencv2/imgcodecs.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

#include <iostream>

using namespace std;

using namespace cv;

bool use_mask;

Mat img; Mat templ; Mat mask; Mat result;

const char* image_window = "Source Image";

const char* result_window = "Result window";

int match_method;

int max_Trackbar = 5;

void MatchingMethod( int, void* );

const char* keys =

"{ help h| | Print help message. }"

"{ @input1 | Template_Matching_Original_Image.jpg | image_name }"

"{ @input2 | Template_Matching_Template_Image.jpg | template_name }"

"{ @input3 | | mask_name }";

int main( int argc, char** argv )

{

CommandLineParser parser( argc, argv, keys );

samples::addSamplesDataSearchSubDirectory( "doc/tutorials/imgproc/histograms/template_matching/images" );

img = imread( samples::findFile( parser.get<String>("@input1") ) );

templ = imread( samples::findFile( parser.get<String>("@input2") ), IMREAD_COLOR );

if(argc > 3) {

use_mask = true;

mask = imread(samples::findFile( parser.get<String>("@input3") ), IMREAD_COLOR );

}

if(img.empty() || templ.empty() || (use_mask && mask.empty()))

{

cout << "Can't read one of the images" << endl;

return EXIT_FAILURE;

}

namedWindow( image_window, WINDOW_AUTOSIZE );

namedWindow( result_window, WINDOW_AUTOSIZE );

const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";

createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );

MatchingMethod( 0, 0 );

waitKey(0);

return EXIT_SUCCESS;

}

void MatchingMethod( int, void* )

{

Mat img_display;

img.copyTo( img_display );

int result_cols = img.cols - templ.cols + 1;

int result_rows = img.rows - templ.rows + 1;

result.create( result_rows, result_cols, CV_32FC1 );

bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED);

if (use_mask && method_accepts_mask)

{ matchTemplate( img, templ, result, match_method, mask); }

else

{ matchTemplate( img, templ, result, match_method); }

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

double minVal; double maxVal; Point minLoc; Point maxLoc;

Point matchLoc;

minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );

if( match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED )

{ matchLoc = minLoc; }

else

{ matchLoc = maxLoc; }

rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

imshow( image_window, img_display );

imshow( result_window, result );

return;

}

cv::CommandLineParser
Designed for command line parsing.
Definition utility.hpp:915

cv::Mat
Comma-separated Matrix Initializer.
Definition mat.hpp:964

cv::Mat::copyTo
void copyTo(OutputArray m) const
Copies the matrix to another one.

cv::Mat::create
void create(int rows, int cols, int type)
Allocates new array data if needed.

cv::Mat::cols
int cols
Definition mat.hpp:2488

cv::Mat::empty
bool empty() const
Returns true if the array has no elements.

cv::Mat::rows
int rows
the number of rows and columns or (-1, -1) when the matrix has more than 2 dimensions
Definition mat.hpp:2488

cv::Point_< int >

cv::Point_::y
_Tp y
y coordinate of the point
Definition types.hpp:202

cv::Point_::x
_Tp x
x coordinate of the point
Definition types.hpp:201

cv::normalize
void normalize(InputArray src, InputOutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray())
Normalizes the norm or value range of an array.

cv::minMaxLoc
void minMaxLoc(InputArray src, double *minVal, double *maxVal=0, Point *minLoc=0, Point *maxLoc=0, InputArray mask=noArray())
Finds the global minimum and maximum in an array.

cv::String
std::string String
Definition cvstd.hpp:151

CV_32FC1
#define CV_32FC1
Definition interface.h:107

cv::imshow
void imshow(const String &winname, InputArray mat)
Displays an image in the specified window.

cv::rectangle
void rectangle(InputOutputArray img, Point pt1, Point pt2, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
Draws a simple, thick, or filled up-right rectangle.

cv::matchTemplate
void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method, InputArray mask=noArray())
Compares a template against overlapped image regions.

highgui.hpp

main
int main(int argc, char *argv[])
Definition highgui_qt.cpp:3

imgcodecs.hpp

imgproc.hpp

cv
Definition core.hpp:107

std
STL namespace.

ダウンロード可能なコード: こちらをクリック
コードの概観:
import java.awt.GridLayout;

import java.awt.Image;

import java.util.Hashtable;

import javax.swing.ImageIcon;

import javax.swing.JFrame;

import javax.swing.JLabel;

import javax.swing.JSlider;

import javax.swing.event.ChangeEvent;

import javax.swing.event.ChangeListener;

import org.opencv.core.Core;

import org.opencv.core.CvType;

import org.opencv.core.Mat;

import org.opencv.core.Point;

import org.opencv.core.Scalar;

import org.opencv.highgui.HighGui;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

class MatchTemplateDemoRun implements ChangeListener {

Boolean use_mask = false;

Mat img = new Mat(), templ = new Mat();

Mat mask = new Mat();

int match_method;

JLabel imgDisplay = new JLabel(), resultDisplay = new JLabel();

public void run(String[] args) {

if (args.length < 2) {

System.out.println("Not enough parameters");

System.out.println("Program arguments:\n<image_name> <template_name> [<mask_name>]");

System.exit(-1);

}

img = Imgcodecs.imread(args[0], Imgcodecs.IMREAD_COLOR);

templ = Imgcodecs.imread(args[1], Imgcodecs.IMREAD_COLOR);

if (args.length > 2) {

use_mask = true;

mask = Imgcodecs.imread(args[2], Imgcodecs.IMREAD_COLOR);

}

if (img.empty() || templ.empty() || (use_mask && mask.empty())) {

System.out.println("Can't read one of the images");

System.exit(-1);

}

matchingMethod();

createJFrame();

}

private void matchingMethod() {

Mat result = new Mat();

Mat img_display = new Mat();

img.copyTo(img_display);

int result_cols = img.cols() - templ.cols() + 1;

int result_rows = img.rows() - templ.rows() + 1;

result.create(result_rows, result_cols, CvType.CV_32FC1);

Boolean method_accepts_mask = (Imgproc.TM_SQDIFF == match_method || match_method == Imgproc.TM_CCORR_NORMED);

if (use_mask && method_accepts_mask) {

Imgproc.matchTemplate(img, templ, result, match_method, mask);

} else {

Imgproc.matchTemplate(img, templ, result, match_method);

}

Core.normalize(result, result, 0, 1, Core.NORM_MINMAX, -1, new Mat());

Point matchLoc;

Core.MinMaxLocResult mmr = Core.minMaxLoc(result);

if (match_method == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED) {

matchLoc = mmr.minLoc;

} else {

matchLoc = mmr.maxLoc;

}

Imgproc.rectangle(img_display, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Imgproc.rectangle(result, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Image tmpImg = HighGui.toBufferedImage(img_display);

ImageIcon icon = new ImageIcon(tmpImg);

imgDisplay.setIcon(icon);

result.convertTo(result, CvType.CV_8UC1, 255.0);

tmpImg = HighGui.toBufferedImage(result);

icon = new ImageIcon(tmpImg);

resultDisplay.setIcon(icon);

}

@Override

public void stateChanged(ChangeEvent e) {

JSlider source = (JSlider) e.getSource();

if (!source.getValueIsAdjusting()) {

match_method = source.getValue();

matchingMethod();

}

}

private void createJFrame() {

String title = "Source image; Control; Result image";

JFrame frame = new JFrame(title);

frame.setLayout(new GridLayout(2, 2));

frame.add(imgDisplay);

int min = 0, max = 5;

JSlider slider = new JSlider(JSlider.VERTICAL, min, max, match_method);

slider.setPaintTicks(true);

slider.setPaintLabels(true);

// Set the spacing for the minor tick mark

slider.setMinorTickSpacing(1);

// Customizing the labels

Hashtable<Integer, JLabel> labelTable = new Hashtable<>();

labelTable.put(new Integer(0), new JLabel("0 - SQDIFF"));

labelTable.put(new Integer(1), new JLabel("1 - SQDIFF NORMED"));

labelTable.put(new Integer(2), new JLabel("2 - TM CCORR"));

labelTable.put(new Integer(3), new JLabel("3 - TM CCORR NORMED"));

labelTable.put(new Integer(4), new JLabel("4 - TM COEFF"));

labelTable.put(new Integer(5), new JLabel("5 - TM COEFF NORMED : (Method)"));

slider.setLabelTable(labelTable);

slider.addChangeListener(this);

frame.add(slider);

frame.add(resultDisplay);

frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

frame.pack();

frame.setVisible(true);

}

}

public class MatchTemplateDemo {

public static void main(String[] args) {

// load the native OpenCV library

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

// run code

new MatchTemplateDemoRun().run(args);

}

}

cv::Point
Point2i Point
Definition types.hpp:209

cv::Scalar
Scalar_< double > Scalar
Definition types.hpp:712

ダウンロード可能なコード: こちらをクリック
Code at glance:
from __future__ import print_function

import sys

import cv2 as cv

use_mask = False

img = None

templ = None

mask = None

image_window = "Source Image"

result_window = "Result window"

match_method = 0

max_Trackbar = 5

def main(argv):

if (len(sys.argv) < 3):

print('Not enough parameters')

print('Usage:\nmatch_template_demo.py <image_name> <template_name> [<mask_name>]')

return -1

global img

global templ

img = cv.imread(sys.argv[1], cv.IMREAD_COLOR)

templ = cv.imread(sys.argv[2], cv.IMREAD_COLOR)

if (len(sys.argv) > 3):

global use_mask

use_mask = True

global mask

mask = cv.imread( sys.argv[3], cv.IMREAD_COLOR )

if ((img is None) or (templ is None) or (use_mask and (mask is None))):

print('Can\'t read one of the images')

return -1

cv.namedWindow( image_window, cv.WINDOW_AUTOSIZE )

cv.namedWindow( result_window, cv.WINDOW_AUTOSIZE )

trackbar_label = 'Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED'

cv.createTrackbar( trackbar_label, image_window, match_method, max_Trackbar, MatchingMethod )

MatchingMethod(match_method)

cv.waitKey(0)

return 0

def MatchingMethod(param):

global match_method

match_method = param

img_display = img.copy()

method_accepts_mask = (cv.TM_SQDIFF == match_method or match_method == cv.TM_CCORR_NORMED)

if (use_mask and method_accepts_mask):

result = cv.matchTemplate(img, templ, match_method, None, mask)

else:

result = cv.matchTemplate(img, templ, match_method)

cv.normalize( result, result, 0, 1, cv.NORM_MINMAX, -1 )

_minVal, _maxVal, minLoc, maxLoc = cv.minMaxLoc(result, None)

if (match_method == cv.TM_SQDIFF or match_method == cv.TM_SQDIFF_NORMED):

matchLoc = minLoc

else:

matchLoc = maxLoc

cv.rectangle(img_display, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.rectangle(result, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.imshow(image_window, img_display)

cv.imshow(result_window, result)

pass

if __name__ == "__main__":

main(sys.argv[1:])

cv::waitKey
int waitKey(int delay=0)
Waits for a pressed key.

cv::namedWindow
void namedWindow(const String &winname, int flags=WINDOW_AUTOSIZE)
Creates a window.

cv::createTrackbar
int createTrackbar(const String &trackbarname, const String &winname, int *value, int count, TrackbarCallback onChange=0, void *userdata=0)
Creates a trackbar and attaches it to the specified window.

cv::imread
Mat imread(const String &filename, int flags=IMREAD_COLOR_BGR)
Loads an image from a file.

解説

画像、テンプレート、結果の行列、ならびにマッチング手法とウィンドウ名など、いくつかのグローバル変数を宣言する:

C++

bool use_mask;

Mat img; Mat templ; Mat mask; Mat result;

const char* image_window = "Source Image";

const char* result_window = "Result window";

int match_method;

int max_Trackbar = 5;

Java

Boolean use_mask = false;

Mat img = new Mat(), templ = new Mat();

Mat mask = new Mat();

int match_method;

JLabel imgDisplay = new JLabel(), resultDisplay = new JLabel();

Python

use_mask = False

img = None

templ = None

mask = None

image_window = "Source Image"

result_window = "Result window"

match_method = 0

max_Trackbar = 5
元画像、テンプレート、および省略可能でマッチング手法がサポートする場合はマスクを読み込む:

C++

img = imread( samples::findFile( parser.get<String>("@input1") ) );

templ = imread( samples::findFile( parser.get<String>("@input2") ), IMREAD_COLOR );

if(argc > 3) {

use_mask = true;

mask = imread(samples::findFile( parser.get<String>("@input3") ), IMREAD_COLOR );

}

if(img.empty() || templ.empty() || (use_mask && mask.empty()))

{

cout << "Can't read one of the images" << endl;

return EXIT_FAILURE;

}

Java

img = Imgcodecs.imread(args[0], Imgcodecs.IMREAD_COLOR);

templ = Imgcodecs.imread(args[1], Imgcodecs.IMREAD_COLOR);

Python

global img

global templ

img = cv.imread(sys.argv[1], cv.IMREAD_COLOR)

templ = cv.imread(sys.argv[2], cv.IMREAD_COLOR)

if (len(sys.argv) > 3):

global use_mask

use_mask = True

global mask

mask = cv.imread( sys.argv[3], cv.IMREAD_COLOR )

if ((img is None) or (templ is None) or (use_mask and (mask is None))):

print('Can\'t read one of the images')

return -1
使用するマッチング手法の種類を入力するためのトラックバーを作成する。変更が検出されるとコールバック関数が呼び出される。

C++

const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";

createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );

Java

int min = 0, max = 5;

JSlider slider = new JSlider(JSlider.VERTICAL, min, max, match_method);

Python

trackbar_label = 'Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED'

cv.createTrackbar( trackbar_label, image_window, match_method, max_Trackbar, MatchingMethod )
コールバック関数を見てみよう。まず、元画像のコピーを作成する:

C++

Mat img_display;

img.copyTo( img_display );

Java

Mat img_display = new Mat();

img.copyTo(img_display);

Python

img_display = img.copy()
テンプレートマッチング処理を実行する。引数は当然ながら入力画像 I、テンプレート T、結果 R、match_method（トラックバーで指定）、および省略可能でマスク画像 M である。

C++

bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED);

if (use_mask && method_accepts_mask)

{ matchTemplate( img, templ, result, match_method, mask); }

else

{ matchTemplate( img, templ, result, match_method); }

Java

Boolean method_accepts_mask = (Imgproc.TM_SQDIFF == match_method || match_method == Imgproc.TM_CCORR_NORMED);

if (use_mask && method_accepts_mask) {

Imgproc.matchTemplate(img, templ, result, match_method, mask);

} else {

Imgproc.matchTemplate(img, templ, result, match_method);

}

Python

method_accepts_mask = (cv.TM_SQDIFF == match_method or match_method == cv.TM_CCORR_NORMED)

if (use_mask and method_accepts_mask):

result = cv.matchTemplate(img, templ, match_method, None, mask)

else:

result = cv.matchTemplate(img, templ, match_method)
結果を正規化する:

C++

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

Java

Core.normalize(result, result, 0, 1, Core.NORM_MINMAX, -1, new Mat());

Python

cv.normalize( result, result, 0, 1, cv.NORM_MINMAX, -1 )
minMaxLoc() を使って結果行列 R の最小値と最大値を特定する。

C++

double minVal; double maxVal; Point minLoc; Point maxLoc;

Point matchLoc;

minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );

Java

Point matchLoc;

Core.MinMaxLocResult mmr = Core.minMaxLoc(result);

Python

_minVal, _maxVal, minLoc, maxLoc = cv.minMaxLoc(result, None)
最初の2つの手法（ TM_SQDIFF と MT_SQDIFF_NORMED ）では、最良のマッチは最小値である。それ以外のすべての手法では、値が大きいほどよいマッチを表す。そこで、対応する値を matchLoc 変数に保存する:

C++

if( match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED )

{ matchLoc = minLoc; }

else

{ matchLoc = maxLoc; }

Java

if (match_method == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED) {

matchLoc = mmr.minLoc;

} else {

matchLoc = mmr.maxLoc;

}

Python

if (match_method == cv.TM_SQDIFF or match_method == cv.TM_SQDIFF_NORMED):

matchLoc = minLoc

else:

matchLoc = maxLoc
元画像と結果行列を表示する。最も高いマッチの可能性がある領域の周囲に矩形を描画する:

C++

rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

imshow( image_window, img_display );

imshow( result_window, result );

Java

Imgproc.rectangle(img_display, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Imgproc.rectangle(result, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Image tmpImg = HighGui.toBufferedImage(img_display);

ImageIcon icon = new ImageIcon(tmpImg);

imgDisplay.setIcon(icon);

result.convertTo(result, CvType.CV_8UC1, 255.0);

tmpImg = HighGui.toBufferedImage(result);

icon = new ImageIcon(tmpImg);

resultDisplay.setIcon(icon);

Python

cv.rectangle(img_display, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.rectangle(result, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.imshow(image_window, img_display)

cv.imshow(result_window, result)