模板匹配(机器视觉算法与应用)

《模板匹配(机器视觉算法与应用)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、模板匹配典型算法原理模板匹配-简要流程01模板w开始位置在图像f的左上角当w的中心位于f的边界上时，围绕f的边界需要进行填充。填充通常被限制为模板宽度的一半。02模板从左上角向右下角开始移动每次移动一个像素的位置，过程中可以得到模板和图像各位置间的相似度。03生成结果图像相似度量值保存到结果图像中.在结果图像中的每个位置都包含匹配度量值。04找到匹配位置根据所用的匹配算法不同，对结果图像进行处理分析，找到匹配位置。2模板匹配算法分类基于灰度值的模基于边缘的模板基于形状的模板板匹配算法。匹配算法匹配算法3Gray-Value-BasedTemplateMatching基于

2、灰度值的模板匹配基于灰度值的模板匹配—基本概念相似度量S是一个函数，函数中的参数包括：①模板中各点的灰度值t(r,c)；相似度量②模板感兴趣区域移动到图像当前位置时感兴趣区域中的灰度值f(r+u,c+v)；然后基于这些灰度值计算一个标量值作为相似度量。5基于灰度值的模板匹配——相似度量方法—SAD,SSD（Sumofabsolute/squareddifference）0SAD:计算模板与图像之间差值的绝对值总和10SSD:计算模板和图像之间差值的平方和2问题在光照保持不变的情况下，SAD和SSD相似度量的结果非常好。？当光照发生变化，甚至在图像中存在相同物体的情况

3、下，他们都将返回非常大的结果!6基于灰度值的模板匹配——相似度量方法—NCC(Normalizedcross--correlation)03NCC：归一化互相关系数crc(,)tuvfrucv(,)(,)(,)uvT7基于灰度值的模板匹配算法—NCC结果8基于灰度值的模板匹配——总结•基于灰度值的模板匹配方法原理简单。优点01Advantages•在良好的光照条件下可以得到很满意的匹配结果。•受光照影响大，抗干扰性不强。•图像存在遮挡、部分隐藏、信息缺失、混乱时不能正确找到目标物体。缺点02Disadvantages9Edgematching基于边缘的模板匹配

4、算法基于边缘的模板匹配算法0使用原始边缘点或者增加每个点的一些特性。10三种策略将边缘分割为多个几何基元，然后匹配这些几何基元。20得到边缘上的突变点，然后匹配这些突变点。311基于边缘点的模板匹配算法—均方距离平移情况下的均方边缘距离可表示为：缺点：图像边缘有遮挡时，返回的距离将会非常大。其中，T表示模板边缘区域，d(r,c)表示边缘提取后待搜索图像背景的距离变换。12基于边缘点的模板匹配算法—距离变换街区距离--4连通棋盘距离—8连通欧氏距离13基于边缘点的模板匹配算法—距离变换1212010110101212（三）在距离图上用上述两个掩码分别从左上到右下和右下到左

5、上进行逐行扫描，将掩码覆盖区域中的距离值与掩码中相应位置上的距离值求和，然后从掩码的所有计算结果中选择最小的值作为当前像素的距离值。14基于边缘点的模板匹配算法—距离变换原图街区距离棋盘距离欧氏距离15基于边缘点的模板匹配算法—Hausdorff距离h(T,E)表示了模板边缘点与最近图像边缘点之间的最大距离；h(E,T)的定义与h(T,E)互为对称，它表示了图像边缘点与最近模板边缘点之间的最大距离。Hausdorff距离是由这两个距离的最大值决定。16基于边缘点的模板匹配算法—Hausdorff距离匹配过程改进当图像中出现遮挡情况下算法效果不佳的主将模板沿着图像逐像素扫

6、描，模板每移动一次要原因是由于在计算h(T,E)时采用了最大就会得到一个当前的Hausdorff距离。当模板距离。如果用第k大距离代替最大距离，中的边缘点与图像中的边缘点非常接近，且图Hausdorff距离将对100/%kn的遮挡可像中的边缘点与模板中的边缘点也非常接近时，靠，其中n表示模板边缘区域中像素点的数会得到一个最小的Hausdorff距离，此时为最量。。优匹配。尽管改进的Hausdorff距离能够解决遮挡和混乱带来的问题，但是当遮挡部分较大时，该方法会找到较多的错误实例。此外由于Hausdorff距离的计算量较大，这使得算法的实时性比较差，对于那些实时性要求较

7、高的在线系统该方法往往不能满足。17基于边缘点的模板匹配算法—广义霍夫变换18基于边缘点的模板匹配算法—广义霍夫变换R-Table19基于边缘点的模板匹配算法缺陷总结上面所说的所有基于边缘的算法都存在一个缺陷，就是它们都需要在图像中提取出边缘。这就导致目标识别算法只能够适用于非常小范围的光照变化。如果降低对比度，提取到的边缘点就越来越少，更多的遮蔽也会造成相似的影响。20Shape-based基于形状的模板匹配基于形状的模板匹配算法相似度量S：11nnTsdeiqptvirrcci,,iuwirrcciinnii1