【文章內(nèi)容簡介】 _picture,pipeitu2gray)。%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。)。 plot(j:j+pipei_width,i+pipei_height,39。b39。)。 plot(j,i:i+pipei_height,39。b39。)。 plot(j+pipei_width,i:i+pipei_height,39。b39。)。 end endend(2) 基于灰度的快速模板匹配算法①dec2bin函數(shù)功能：十進制數(shù)轉(zhuǎn)換成二進制數(shù)格式：A=dec2bin(B,位數(shù))說明：B為十進制數(shù)，A為轉(zhuǎn)換后的二進制序列，位數(shù)為A的二進制位數(shù)。舉例：A=dec2bin(13,5)%將13轉(zhuǎn)換為5位的二進制運行結(jié)果：A =01101②bin2dec函數(shù)功能：二進制數(shù)轉(zhuǎn)換成十進制數(shù)格式：A=bin2dec(B)說明：B為二進制序列，A為轉(zhuǎn)換后的十進制數(shù)。舉例：C=bin2dec(39。010110139。)%將二進制為0101101的序列轉(zhuǎn)化為十進制運行結(jié)果：C = 45③min函數(shù)功能：求向量中的最小值格式：A=min(B)說明：B為一個向量，A中保存的是B中的最小值舉例：A=min(12 32 45 66 2 3)運算結(jié)果:A= 2④max函數(shù)功能：求向量中的最大值格式：A=max(B)說明：B為一個向量，A中保存的是B中的最大值舉例：A=max(12 32 45 66 2 3)運算結(jié)果:A= 66⑤sum函數(shù)功能：求向量中和格式：A=sum(B)說明：B為一個向量，A中保存的是B中的和舉例：A=sum(12 32 45 66 2 3)運算結(jié)果:A= 160⑥testpipei_2函數(shù)(代碼祥見附錄二)實現(xiàn)細節(jié)：Ⅰ:讀取原圖像(搜索圖)和匹配圖像（模板圖）yuantu=imread(39。39。)。%讀取原圖像pipeitu=imread(39。39。)。%讀取匹配圖像Ⅱ:將原圖像和匹配圖像灰度化，以便于計算yuantu2gray=rgb2gray(yuantu)。%將原圖灰度化pipeitu2gray=rgb2gray(pipeitu)。%將匹配圖灰度化Ⅲ: 獲取原圖像和匹配圖像的尺寸及分塊標準值[pipei_height,pipei_width]=size(pipeitu2gray)。%獲取匹配圖象的大小尺寸，其值為[高，寬],將匹配圖象的長度值賦給pipei_width,將匹配圖象的寬度值賦給pipei_lenth[yuantu_height,yuantu_width]=size(yuantu2gray)。%獲取原圖象的大小尺寸，其值為[高，寬],將原圖象的長度值賦給pipei_width,將原圖象的寬度值賦給pipei_lenthtemp_min=min([pipei_height,pipei_width])。%取兩個邊中最短的一條邊k=fix(temp_min/5)。%以分成33特征塊為基準，得出最佳分塊標準值Ⅳ:計算及記錄匹配圖的9個特征塊的信息；顯示出原圖，并調(diào)用hold on命令，以實現(xiàn)以后在原圖像上做標記 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(t,s)=bin2dec(gettezheng(t,s,pipeitu2gray,k))。 %將二進制編碼值（特征塊值）以十進制的形式保存在33的矩陣中的對應位置 end。 end。 imshow(public_A)。 hold on。Ⅴ:在原圖像上進行掃描，橫坐標到原圖像的寬度減去匹配圖的寬度，縱坐標到原圖像高度減去匹配圖的高度；對于原圖像上掃描到的每個像素點，以此像素點的坐標為準，剪裁(參見imcrop函數(shù)說明)出一個大小和匹配圖大小一樣的矩陣，此像素點為該矩陣的左上角第一個像素；對這個臨時矩陣進行特征值提取，并和匹配圖的特征值進行比較，如果特征塊的匹配數(shù)大于一定數(shù)（我設(shè)定為大于等于8）,可認為在以此坐標為左上角第一個像素的臨時矩陣和匹配圖矩陣是相匹配的；如果在此坐標下是匹配的話，則以此為左上角，將匹配區(qū)域標記出來。 r=0。 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)。 temp_yuantu_te=bin2dec(gettezheng(t,s,temp_picture,k))。 if temp_pipeitu_te==temp_yuantu_te%如果特征值相同，r就加1 r=r+1。 else break。 end。 end。 if r==0 break。 end。 end。 if r=8%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。r39。)。 plot(j:j+pipei_width,i+pipei_height,39。r39。)。 plot(j,i:i+pipei_height,39。r39。)。 plot(j+pipei_width,i:i+pipei_height,39。r39。)。 end endend⑦getOrder函數(shù) (代碼祥見附錄三)功能：根據(jù)輸入的四項參數(shù)的大小順序，返回一個5位二進制的編碼格式：shunxu=getOrder(temp_shunxu_1,temp_shunxu_2,temp_shunxu_3,temp_shunxu_4)舉例：T=getOrder(32,13,56,42)運行結(jié)果：T= 10000⑧gettezheng函數(shù) (代碼祥見附錄四)功能：根據(jù)特征塊的左上角坐標得出該特征塊的特征值，特征值的定義詳見基于灰度的快速匹配算法中的定義2。格式：tezheng=gettezheng(i,j,I,k)說明：i,j為特征塊左上角的橫坐標與衷縱坐標，I為圖像矩陣，k為最佳分塊標準值。四．實驗測試讀取一幅262，規(guī)格為196104。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。)。%讀取原圖像b=imread(39。39。)。%讀取匹配圖像testpipei_1(a,b)。（注：這個運行過程大概需要40秒，需耐心等待）下圖就是在原圖像中找到的匹配區(qū)域。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。)。%讀取原圖像b=imread(39。39。)。%讀取匹配圖像testpipei_2(a,b)。（注：這個運行過程大概需要25秒，需耐心等待）下圖就是在原圖像中找到的匹配區(qū)域。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。匹配算法2（基于灰度的快速匹配算法）的匹配時間約為25秒左右。(當然這里匹配時間的估算可能在不同環(huán)境或則不同機子下存在差異)結(jié)論：匹配算法1和匹配算法2的共同缺點是都絕對的依賴坐標系統(tǒng)，計算量太大，費時間較多。這些也正是利用灰度信息匹配方法的主要缺陷所在。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。當然這里還需注意，兩圖像進行匹配時首先要保證它們具有相同的方向，（即不能有一個圖像是旋轉(zhuǎn)過的），這也是這兩種算法在進行匹配時的缺陷所在。六．實例解答對于一開始在課題分析中提出的問題，這邊將運用匹配算法2（基于灰度的快速匹配算法）給予相應的解答。問題：這邊收集了很多張及其類似的照片（），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得到的，問題是如何快速準確的找出這張小照片是從那一張照片中剪切下來的，以及確定出在原照片上所剪切的那個部位。解題步驟：1. 在matlab 命令窗口輸入如下命令： a=imread(39。picture/39。)。%讀取原圖像b=imread(39。picture/39。)。%讀取匹配圖像testpipei_2(a,b)。（注：這個運行過程大概需要20秒，需耐心等待）運行結(jié)果如下圖所示：說明：匹配失敗。 。 、。3. 在matlab