【正文】 數(shù)字圖像匹配目 錄 一. 課題分析 4二．算法設(shè)計(jì) 51. 概念解釋 .................................................... 52．?dāng)?shù)字圖像匹配算法設(shè)計(jì)........................ .....................5⑴基于灰度的歸一化匹配算法.......................................6⑵基于灰度的快速模板匹配算法.....................................8三．相應(yīng)matlab程序設(shè)計(jì). ...................... ....................101．?dāng)?shù)字圖像匹配相關(guān)函數(shù) .............. ...........................102．?dāng)?shù)字圖像匹配函數(shù) ................ .............................12(1) 基于灰度的歸一化匹配算法....................................12(2) 基于灰度的快速模板匹配算法..................................14四．實(shí)驗(yàn)測(cè)試........................ ............. ...............181. 基于灰度的歸一化匹配算法.......................................182. 基于灰度的快速模板匹配算法.....................................18五．試驗(yàn)結(jié)果評(píng)價(jià)............................ ......................19六．實(shí)例解答.............................. ........................19七．實(shí)習(xí)心得體會(huì).......................... .......................21參考文獻(xiàn) 22附 錄............................................................23附錄一：（基于灰度的歸一化匹配算法）.... .... .............23附錄二：testpipei_2（基于灰度的快速模板匹配算法）.... .... .............23附錄三： （二進(jìn)制編碼）............. .... ........ ............25附錄四： (求特征值) ........................ ............27附錄五：圖 片...................................... .... .................29數(shù)字圖像匹配一. 課題分析 背景描述：現(xiàn)代社會(huì)已進(jìn)入信息時(shí)代，隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和數(shù)學(xué)的發(fā)展，圖像信息處理能力和水平也不斷提高，相應(yīng)的也得到和更多關(guān)注、研究和更加廣泛的應(yīng)用。圖像匹配是圖像處理的一項(xiàng)關(guān)鍵技術(shù)，可廣泛用于目標(biāo)識(shí)別與跟蹤、立體視覺(jué)、變化檢測(cè)、車場(chǎng)車牌識(shí)別、人臉識(shí)別、機(jī)器人導(dǎo)航、測(cè)繪、等領(lǐng)域，已成為一門新興的分支學(xué)科。由于拍攝時(shí)間、拍攝角度、自然環(huán)境的變化、多種傳感器的使用和傳感器本身的缺陷，使拍攝的圖像不僅受噪聲的影響，而且存在嚴(yán)重的灰度失真和幾何畸變。在這種條件下，如何有效地進(jìn)行圖像匹配一直是人們研究的熱點(diǎn)和難點(diǎn)。實(shí)例問(wèn)題：現(xiàn)在來(lái)看一個(gè)很簡(jiǎn)單的問(wèn)題：這邊收集了八張很類似的照片（），還有一張小照片()，而現(xiàn)在只知道這張小照片，是從這些類似的照片中的某一張剪切下來(lái)得到的，問(wèn)題是如何快速準(zhǔn)確的找出這張小照片是從那一張照片中剪切下來(lái)的，以及確定出在原照片上所剪切的那個(gè)部位。顯然由于這些照片是及其類似的，用肉眼是很難觀察辨別出來(lái)的。而下面要講的圖像匹配技術(shù)就是一個(gè)處理類似問(wèn)題的一項(xiàng)有效的技術(shù)。在此課程設(shè)計(jì)報(bào)告也將在最后運(yùn)用圖像匹配技術(shù)對(duì)這個(gè)問(wèn)題做出回答。 圖像匹配的概念： 圖像匹配是指通過(guò)一定的匹配算法在兩幅或多幅圖像之間識(shí)別同名點(diǎn)，如二維圖像匹配中通過(guò)比較目標(biāo)區(qū)和搜索區(qū)中相同大小的窗口的相關(guān)系數(shù)，取搜索區(qū)中相關(guān)系數(shù)最大所對(duì)應(yīng)的窗口中心點(diǎn)作為同名點(diǎn)。其實(shí)質(zhì)是在基元相似性的條件下，運(yùn)用匹配準(zhǔn)則的最佳搜索問(wèn)題。簡(jiǎn)單的講就是，要判讀一幅大圖像中是否存在某種已知的圖案，則以一幅與該圖案有著相同尺寸和方向的小圖像為模板，通過(guò)一定的算法可以在圖中找到目標(biāo)，確定其坐標(biāo)位置。開發(fā)環(huán)境： MATLAB 二．算法設(shè)計(jì)：①數(shù)字圖像:數(shù)字圖像是由被稱做像素的小塊區(qū)域組成的二維像素矩陣。一般可以把圖像分成3種形式：?jiǎn)紊珗D像，灰度圖像和彩色圖像。②像素：表示圖像顏色的最小單位，每個(gè)像素都是由一定長(zhǎng)度的數(shù)字值來(lái)表示它的顏色和亮度。③灰度圖像：灰度圖是指只含亮度信息，不含色彩信息的圖像，就像平時(shí)看到的黑白照片：亮度由暗到明，變化是連續(xù)的。根據(jù)灰色的程度，可分為若干個(gè)等級(jí)，人眼可分的最多等級(jí)是64級(jí)。圖像處理中常采用256個(gè)灰色等級(jí)?；叶葓D的每個(gè)像素的亮度用一個(gè)數(shù)值來(lái)表示，通常數(shù)值范圍在0—255之間，即可用一個(gè)字節(jié)來(lái)表示，0代表純黑，255代表純白，而其他表示灰度，根據(jù)黑白所占的比例分布在0—255之間。④點(diǎn)陣圖:顯示器的屏幕由可以發(fā)光的像素點(diǎn)組成. 并且從幾何位置看, ,。⑤點(diǎn)陣圖形的坐標(biāo)系統(tǒng)：M, 那么它的點(diǎn)陣共有M行N 列, 每個(gè)像素點(diǎn)的位置就由它所在的行和列的位置所唯一確定. 這個(gè)行和列的位置就給出了點(diǎn)陣圖形的坐標(biāo)系統(tǒng). 按照前面的順序, 第m行, 第n列的像素點(diǎn)順序數(shù)就是m+(n1), 順序數(shù)為s的像素點(diǎn)在第s Mod N行, 第Int(s/N ) + 1列, 這里的s Mod N是s除以N后的余數(shù), Int( s/N ) 是s/, 第n列的像素點(diǎn)的坐標(biāo)可能不是(m。 n), 而是(m1。 n1). 這是因?yàn)橛袝r(shí)為了在計(jì)算機(jī)中處理的方便, 像素點(diǎn)的行列的排序不是從1, 而是從0開始的. 我們常用的顯示器的像素坐標(biāo)就是如此.2．?dāng)?shù)字圖像匹配算法設(shè)計(jì)：圖像匹配主要可分為以灰度為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配?；叶绕ヅ涞幕舅枷?以統(tǒng)計(jì)的觀點(diǎn)將圖像看成是二維信號(hào)，采用統(tǒng)計(jì)相關(guān)的方法尋找信號(hào)間的相關(guān)匹配。利用兩個(gè)信號(hào)的相關(guān)函數(shù)，評(píng)價(jià)它們的相似性以確定同名點(diǎn)?；叶绕ヅ渫ㄟ^(guò)利用某種相似性度量，如相關(guān)函數(shù)、協(xié)方差函數(shù)、差平方和、差絕對(duì)值和等測(cè)度極值，判定兩幅圖像中的對(duì)應(yīng)關(guān)系。特征匹配是指通過(guò)分別提取兩個(gè)或多個(gè)圖像的特征（點(diǎn)、線、面等特征），對(duì)特征進(jìn)行參數(shù)描述，然后運(yùn)用所描述的參數(shù)來(lái)進(jìn)行匹配的一種算法。在此課程設(shè)計(jì)中我采用了兩種基于灰度圖像匹配算法：① 基于灰度的模板匹配算法② 基于灰度的快速匹配算法。⑴基于灰度的歸一化匹配算法1 一般圖像“歸一化互相關(guān)函數(shù)”的定義設(shè)兩幅圖像在坐標(biāo)平面的區(qū)域D上分別表示為f(x,y)（表示原圖）和g(x,y)（表示模板圖）,這兩幅圖像在D上的相似程度有兩類計(jì)算方法。一類是差值測(cè)度，另一類是相關(guān)測(cè)度。差值測(cè)度：這類測(cè)度幾種常用的具體計(jì)算式如下：1）2）3）相關(guān)測(cè)度：（其性能比差值測(cè)度更為優(yōu)良），以下是一步步得出“歸一化互相關(guān)函數(shù)”的定義的過(guò)程。將方差測(cè)度計(jì)算式展開如下：=+—2 （*）令：Df(x,y)稱為源圖像中與模板對(duì)應(yīng)區(qū)域的能量，它與像素位置（x,y）有關(guān)，但隨像素位置（x,y）的變化，Df(x,y)變化緩慢。Dfg(x,y)為模板與源圖像對(duì)應(yīng)區(qū)域的互相關(guān)，它隨像素位置（x,y）的變化而變化，當(dāng)模板g(j,k)和源圖像中對(duì)應(yīng)區(qū)域相匹配時(shí)取最大值。Dg(x,y)稱為模板的能量，它與圖像像素位置(x,y)無(wú)關(guān)，只用一次計(jì)算便可。顯然，計(jì)算誤差平方和測(cè)度可以減少計(jì)算量?；谏鲜龇治?，若設(shè)Df(x,y)也為常數(shù)，則用Dfg(x,y)便可進(jìn)行圖像匹配，當(dāng)Dfg(x,y)取最大值時(shí)，便可認(rèn)為模板與圖像是匹配的。但如果只簡(jiǎn)單地根據(jù)Dfg(x,y)的大小來(lái)進(jìn)行圖像匹配，則是不可靠。比如，有兩幅圖像g1（x，y）和g2（x，y）；g1（x，y）= f(x,y)， ，g2（x，y）= f(x,y)，顯然。但是g1（x，y）與 f(x,y)，完全相同。在（*）式中，g（x，y）為確定的模板圖，（*）式的第二項(xiàng)是常數(shù)，可以將略去。然后再用規(guī)格化，此時(shí)（*）式的第一項(xiàng)為1，而規(guī)格化的（*）式的第三項(xiàng)就可以反映兩圖的相似程度，另外，由施瓦茨不等式：（當(dāng)且僅當(dāng)g=cf時(shí)等式才成立，其中c為常數(shù)）。這樣就很自然就得到“歸一化互相關(guān)函數(shù)”的定義：用它來(lái)測(cè)度g(x,y)和f(x,y)的相似程度，顯然，P的上限是1，P值越大，表示兩者越相似。2 數(shù)字圖像的歸一化相關(guān)測(cè)度匹配算法 對(duì)于數(shù)字圖像，設(shè)f(x,y)為MN的源圖像，g(j,k)為JK(J≤M,K≤N)的模板圖像,上述的公式的積分應(yīng)用離散和代替，故歸一化相關(guān)測(cè)度匹配算式為：下圖給出了模板匹配的示意圖，其中假設(shè)源圖像f(x,y)和模板圖像g(k,l)的原點(diǎn)都在左上角。對(duì)任何一個(gè)f(x,y)中的(x,y),根據(jù)上式都可以算得一個(gè)P(x,y).當(dāng)x和y變化時(shí)，g(j,k)在源圖像區(qū)域中移動(dòng)并得出P(x,y)所有值。同樣P(x,y)的上限是1，P(x,y)值越大，表