【正文】 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)的原點都在左上角。但是g1（x，y）與 f(x,y)，完全相同。顯然，計算誤差平方和測度可以減少計算量。差值測度：這類測度幾種常用的具體計算式如下：1）2）3）相關(guān)測度：（其性能比差值測度更為優(yōu)良），以下是一步步得出“歸一化互相關(guān)函數(shù)”的定義的過程。特征匹配是指通過分別提取兩個或多個圖像的特征（點、線、面等特征），對特征進行參數(shù)描述，然后運用所描述的參數(shù)來進行匹配的一種算法。 n1). 這是因為有時為了在計算機中處理的方便, 像素點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就是如此.2．?dāng)?shù)字圖像匹配算法設(shè)計：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?；叶葓D的每個像素的亮度用一個數(shù)值來表示，通常數(shù)值范圍在0—255之間，即可用一個字節(jié)來表示，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。②像素：表示圖像顏色的最小單位，每個像素都是由一定長度的數(shù)字值來表示它的顏色和亮度。其實質(zhì)是在基元相似性的條件下，運用匹配準則的最佳搜索問題。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的。圖像匹配是圖像處理的一項關(guān)鍵技術(shù)，可廣泛用于目標識別與跟蹤、立體視覺、變化檢測、車場車牌識別、人臉識別、機器人導(dǎo)航、測繪、等領(lǐng)域，已成為一門新興的分支學(xué)科。由于拍攝時間、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，而且存在嚴重的灰度失真和幾何畸變。而下面要講的圖像匹配技術(shù)就是一個處理類似問題的一項有效的技術(shù)。簡單的講就是，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，通過一定的算法可以在圖中找到目標，確定其坐標位置。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，就像平時看到的黑白照片：亮度由暗到明，變化是連續(xù)的。④點陣圖:顯示器的屏幕由可以發(fā)光的像素點組成. 并且從幾何位置看, ,?；叶绕ヅ涞幕舅枷?以統(tǒng)計的觀點將圖像看成是二維信號，采用統(tǒng)計相關(guān)的方法尋找信號間的相關(guān)匹配。在此課程設(shè)計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。將方差測度計算式展開如下：=+—2 （*）令：Df(x,y)稱為源圖像中與模板對應(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。基于上述分析，若設(shè)Df(x,y)也為常數(shù)，則用Dfg(x,y)便可進行圖像匹配，當(dāng)Dfg(x,y)取最大值時，便可認為模板與圖像是匹配的。在（*）式中，g（x，y）為確定的模板圖，（*）式的第二項是常數(shù)，可以將略去。對任何一個f(x,y)中的(x,y),根據(jù)上式都可以算得一個P(x,y).當(dāng)x和y變化時，g(j,k)在源圖像區(qū)域中移動并得出P(x,y)所有值。D2=R4∪R5∪R7∪R8。格式：A=imread(文件名，’圖像文件格式’)說明:文件名為指定圖像文件名稱的字符串。舉例：A=imread(39。注：在MATLAB中申請一個變量時不需要指定類型，其具體類型由系統(tǒng)自動判別②imwrite函數(shù)功能：交圖像寫入圖像文件（以BMP,HDF,JPEG,PCX,TIFF,XWD等格式）。圖像文件格式’是指定圖像文件的保存格式的字符串。④rgb2gray函數(shù)功能：轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。格式Ⅱ為非交互方式，對灰度圖像進行非交互方式的剪裁操作，通過四元素向量RECT=[xmin ymin width height]指定剪裁矩陣，這些值是定義在坐標系中的，xmin和ymin是圖像矩陣I的一處坐標，width是以此坐標為準向右的延伸的長度，height是以此坐標為準向下延伸的長度，由此構(gòu)成要剪裁的矩形區(qū)域。)。相關(guān)系數(shù)是表示矩陣A與B的線性聯(lián)系密切程度的一個統(tǒng)計量，相關(guān)系數(shù)值是小于等于1的正數(shù)。r39。當(dāng)新的數(shù)據(jù)落在原來的坐標范圍之外時，MATLAB交自動進行坐標比例的調(diào)整。%讀取原圖像pipeitu=imread(39。%將原圖灰度化pipeitu2gray=rgb2gray(pipeitu)。%顯示原圖像 hold on。 r=corr2(temp_picture,pipeitu2gray)。 plot(j:j+pipei_width,i+pipei_height,39。b39。)。010110139。%讀取原圖像pipeitu=imread(39。%將原圖灰度化pipeitu2gray=rgb2gray(pipeitu)。%取兩個邊中最短的一條邊k=fix(temp_min/5)。 imshow(public_A)。 for t=1:3 %去掉外圍的一圈 for s=1:3 %取順時針為正方向 temp_pipeitu_te=temp_pipeitu(t,s)。 end。 end。 plot(j:j+pipei_width,i+pipei_height,39。r39。)。如果找到了匹配地點就會用帶顏色的矩形（匹配算法一為藍色，算法二為紅色），將匹配區(qū)域給圈定下來.1. 基于灰度的歸一化匹配算法操作步驟：在matlab 命令窗口輸入如下命令：a=imread(39。39。2. 基于灰度的快速模板匹配算法操作步驟：在matlab 命令窗口輸入如下命令：a=imread(39。39。五．試驗結(jié)果評價根據(jù)實驗測試結(jié)果得：匹配算法1（基于灰度的歸一化匹配算法）的匹配時間約為40秒左右。但是單純比較這兩種算法，算法2還是比算法1的匹配速度快很多。解題步驟：1. 在matlab 命令窗口輸入如下命令： a=imread(39。picture/39。 。)。%讀取匹配圖像testpipei_2(a,b)。當(dāng)然在此過程中也是存在誤差的，但卻匹配成功的情況，這主要與算法的精確度有關(guān)。還有很多東西可以挖掘，自己也還有太多太多不懂的知識需要不斷的學(xué)習(xí)，掌握。 參考文獻[1] 徐東艷, 函數(shù)庫查詢詞典[M].北京: 中國鐵道出版社,2005.[2] [M].北京:電子工業(yè)出版社,2004.[3] [M].北京: 科學(xué)出版社,2005.[4] 蘇金明,王永利. MATLAB圖形圖像[M].北京: 電子工業(yè)出版社,2005.[5] 基礎(chǔ)與應(yīng)用[M]. 北京: 北京航空航天大學(xué)出版社,2005.附錄：附錄一：（基于灰度的歸一化匹配算法）function testpipei_1(yuantu,pipeitu)yuantu2gray=rgb2gray(yuantu)。 %將匹配圖灰度化imshow(yuantu)。 %取得相關(guān)系數(shù) if r% %下面用plot函數(shù)在原圖的坐標系上畫出匹配區(qū)域 plot(j:j+pipei_width,i,39。b39。)。 end endend附錄二：testpipei_2（基于灰度的快速模板匹配算法）function testpipei_2(yuantu,pipeitu) yuantu2gray=rgb2gray(yuantu)。temp_min=min([pipei_height,pipei_width])。 end。r=0。 else break。 end。)。 plot(j,i:i+pipei_height,39。r39。temp_shunxu_2=temp_shunxu_3amp。amp。elseif temp_shunxu_1=temp_shunxu_3amp。temp_shunxu_2=temp_shunxu_4%1 3 2 4 shunxu=dec2bin(2,5)。amp。temp_shunxu_4=temp_shunxu_2amp。amp。elseif temp_shunxu_2=temp_shunxu_1amp。temp_shunxu_3=temp_shunxu_4%2 1 3 4 shunxu=dec2bin(6,5)。amp。temp_shunxu_3=temp_shunxu_1amp。amp。elseif temp_shunxu_2=temp_shunxu_4amp。temp_shunxu_1=temp_shunxu_3%2 4 1 3 shunxu=dec2bin(10,5)。amp。temp_shunxu_1=temp_shunxu_2amp。amp。elseif temp_shunxu_3=temp_shunxu_2amp。temp_shunxu_1=temp_shunxu_4%3 2 1 4 shunxu=dec2bin(