1、沈陽理工大學(xué)數(shù)字圖像處理課程設(shè)計 II摘 要 模板(mbn)匹配就是(jish)把不同傳感器或同一傳感器在不同時間、不同成像條件下對同一景物獲取的兩幅或多幅圖像在空間上對準(zhǔn),或根據(jù)已知模式到另一幅(y f)圖中尋找相應(yīng)模式的處理方法。模板匹配是數(shù)字圖像處理的重要組成部分之一。簡單而言，模板就是一幅已知的小圖像。模板匹配就是在一幅大圖像中搜尋目標(biāo)，已知該圖中有要找的目標(biāo)，且該目標(biāo)同模板有相同的尺寸、方向和圖像，通過一定的算法可以在圖中找到目標(biāo)，確定其坐標(biāo)位置。 本文主要主要介紹了灰度相關(guān)的匹配方法，灰度相關(guān)的圖像匹配算法是圖像匹配算法中比較經(jīng)典的一種，很多匹配技術(shù)都以它為基礎(chǔ)進行延伸和擴展。它是

2、從待拼接圖像的灰度值出發(fā)，對待匹配圖像中一塊區(qū)域與 HYPERLINK / 參考圖像中的相同尺寸的區(qū)域使用最小二乘法或者其它數(shù)學(xué)方法計算其灰度值的差異，對此差異比較后來判斷待拼接圖像重疊區(qū)域的相似程度，由此得到待拼接圖像重疊區(qū)域的范圍和位置，從而使用MATLAB軟件實現(xiàn)圖像匹配。當(dāng)以兩塊區(qū)域像素點灰度值的差別作為判別標(biāo)準(zhǔn)時，最簡單的一種方法是直接把各點灰度的差值累計起來。另一種方法是計算兩塊區(qū)域的對應(yīng)像素點灰度值的相關(guān)系數(shù)，相關(guān)系數(shù)越大，則兩塊圖像的匹配程度越高。該方法的匹配效果要更好，匹配成功率有所提高。關(guān)鍵詞：圖像匹配；MATLAB；灰度相關(guān)目 錄TOC o 1-3 h u HYPERLI

3、NK l _Toc13167 1 需求(xqi)分析 PAGEREF _Toc13167 1 HYPERLINK l _Toc23964 1.1 問題(wnt)描述 PAGEREF _Toc23964 1 HYPERLINK l _Toc22602 1.2 基本(jbn)要求 PAGEREF _Toc22602 1 HYPERLINK l _Toc31471 2 設(shè)計方案 PAGEREF _Toc31471 2 HYPERLINK l _Toc20396 2.1 相關(guān)概念 PAGEREF _Toc20396 2 HYPERLINK l _Toc28070 2.2 算法設(shè)計 PAGEREF _T

4、oc28070 2 HYPERLINK l _Toc27999 3 仿真內(nèi)容5 HYPERLINK l _Toc10843 3.1 相關(guān)函數(shù)說明5 HYPERLINK l _Toc1030 3.2 模版匹配源代碼8 HYPERLINK l _Toc21183 4 仿真結(jié)果及分析9 HYPERLINK l _Toc14999 結(jié)束語11 HYPERLINK l _Toc21206 參考文獻12 1 需求(xqi)分析1.1 問題(wnt)描述計算機模式識別所要解決(jiju)的問題，就是用計算機代替人去認識圖像和找出一幅圖像中人們感興趣的目標(biāo)物。在機器識別物體的過程，常需把不同傳感器或同一傳感器

5、在不同時間，不同成像條件下對同一景物獲取的兩幅或多幅圖像在空間上對準(zhǔn)，或根據(jù)已知模式到另一幅圖中尋找相應(yīng)的模式，這就叫做匹配。模板匹配是一種最原始、最基本的模式識別方法。研究某一特定對象物位于圖像的位置，進而識別對象，這就是匹配的問題。利用模板匹配可以在一幅圖像中找到已知的物體。這里的模板指的是一幅待匹配的圖像，相當(dāng)于模式識別的模式?；疽笕缦? (1).進行匹配的兩幅圖像為JPG格式或BMP格式。 (2).能夠進行對兩幅數(shù)字圖像的匹配。 (3).采用交互式程序?qū)D像進行匹配。1.2 基本要求 通過分析題目的基本要求，我將此使用兩種方法實現(xiàn)匹配:一個是基于灰度的模板匹配，另一個是基于灰度的快

6、速匹配。在以上兩種方法中，用戶可以對兩張圖像進行匹配并顯示匹配結(jié)果。2 設(shè)計方案2.1 相關(guān)(xinggun)概念(ginin)數(shù)字圖像:數(shù)字圖像是由被稱做像素(xin s)的小塊區(qū)域組成的二維像素矩陣。一般把圖像分成3種形式：單色圖像，灰度圖像和彩色圖像。像素：表示圖像顏色的最小單位灰度圖像：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。灰度圖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0255之間，即可用一個字節(jié)來表示，0表示黑，255表示白，而其他表示灰度。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, 所用這些像素

7、點構(gòu)成一個矩形的陣列.利用計算機控制各像素點按我們指定的要求發(fā)光,就構(gòu)成了我們需要的圖形.這種方式構(gòu)成的圖形我們可稱之為點陣圖形.點陣圖形的坐標(biāo)系統(tǒng)：各像素點有一個坐標(biāo)唯一指定了它的位置.如果點陣圖形的大小是NM, 那么它的點陣共有M行N 列, 每個像素點的位置就由它所在的行和列的位置所唯一確定. 這個行和列的位置就給出了點陣圖形的坐標(biāo)系統(tǒng). 按照前面的順序, 第m行, 第n列的像素點順序數(shù)就是m+(n-1)N.反之, 順序數(shù)為s的像素點在第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/N的整數(shù)部分.需要注意的是第m

8、行, 第n列的像素點的坐標(biāo)可能不是(m; n), 而是(m-1; n-1). 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(biāo)就是如此。2.2 算法設(shè)計由于各種各樣的原因如(成象條件的差異)圖象預(yù)處理，引入的誤差等，參與圖象匹配的模板與潛在的匹配子圖象間通常存在著程度不同的不一致，因此根據(jù)模板在一幅陌生圖象中檢測出潛在的匹配對象并得出它在圖象中的位置是一件復(fù)雜的工作。模板匹配是指用一個較小的圖像，即模板與源圖像進行比較，以確定(qudng)在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，還可確定其位置并提取該區(qū)域。模板

9、匹配(ppi)常用的一種測度為模手術(shù)臺與源圖像對應(yīng)區(qū)域的誤差平方和。設(shè)f(x,y)為MN的源圖像(t xin)，t(j,k)為JK(JM,KN)的模板圖像,則誤差平方和測度定義為: （2.1）由上式展開可得: （2.2）令 （2.3） （2.4） （2.5） DS(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，DS(x,y)變化緩慢。DST(x,y)模板與源圖像對應(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t(j,k)和源圖像中對應(yīng)區(qū)域相匹配時取最大值。DT(x,y)稱為模板的能量，它與圖像像素位置(x,y)無關(guān)，只用一次計算

10、便可。顯然，計算誤差平方和測度可以減少計算量?；谏鲜龇治?，若設(shè)DS(x,y)也為常數(shù)，則用DST(x,y)便可進行圖像匹配，當(dāng)DST(x,y)取最大值時，便可認為模板與圖像是匹配的。但假設(shè)DS(x,y)為常數(shù)會產(chǎn)生誤差，嚴重時將無法下確匹配，因此可用歸一化互相關(guān)作為誤差平方和測度，其定義為： （2.6）模板匹配的示意圖如圖圖2.1所示，其中假設(shè)源圖像f(x,y)和模板圖像t(k,l)的原點都在左上角。對任何一個f(x,y)中的(x,y),根據(jù)上式都可以(ky)算得一個R(x,y).當(dāng)x和y變化時，t(j,k)在源圖像區(qū)域中移動并得出R(x,y)所有值。R(x,y)的最大值指出了與t(j,k)

11、匹配的最佳位置，若從該位置開始在源圖像中取出與模板大小相同的一個區(qū)域，便可得到匹配圖像。圖2.1 模板(mbn)匹配示意圖3 仿真(fn zhn)內(nèi)容(nirng)3.1 相關(guān)(xinggun)函數(shù)說明1、imread函數(shù)功能：從圖像文件(BMP,HDF,JPEG,PCX,TIFF,XWD等格式)中讀入圖像數(shù)據(jù)。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。圖像文件格式為圖像文件格式的字符串。文件名必須在當(dāng)前目錄或MATLAB路徑中，如果找不到則錄找文件名.圖像文件格式.A為無符號8位整數(shù)(uint8)。如果文件灰度圖像(詳細解釋見“算法設(shè)計”中的“概念

12、解釋”)，則A為一個二維數(shù)組；如果文件是一個真彩色RGB圖像，則A是一個三維數(shù)組（mn3）。舉例：A=imread(E:temp_picture.jpg);%讀取存放在E盤下的名為temp_picture.jpg的圖像，并將其整個點陣數(shù)據(jù)傳給A。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。2、imwrite函數(shù)功能：交圖像寫入圖像文件（以BMP,HDF,JPEG,PCX,TIFF,XWD等格式）。格式：imwrite(A,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。圖像文件格式是指定圖像文件的保存格式的字符串。如果A是一個無符號8位整數(shù)表示的灰

13、度圖像或真彩色圖像，imwrite直接交數(shù)組A中的值寫入文件。如果A為雙精度浮點數(shù)，imwrite首先使用uint8(round(255*A)自動將數(shù)組中的值變換為無符號8位整數(shù)，即交0，1范圍內(nèi)的浮點數(shù)變換為0，255范圍內(nèi)8位整數(shù)，然后寫入文件。3、imshow函數(shù)(hnsh)功能：圖像(t xin)顯示。格式(g shi)：imshow(I)說明：在圖形窗口顯示I，其中I為用imread函數(shù)賦值的變量,是一個圖形矩陣。4、rgb2gray函數(shù)功能：轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。格式：I = rgb2gray(RGB)說明：RGB為用imread函數(shù)賦值的變量,是一個圖形矩陣；I為

14、一個表示灰度圖像的二維數(shù)組。5、imcrop函數(shù)功能：圖像剪裁。格式：:I2=imcrop(I):I2=imcrop(I,RECT)說明：格式為交互方式，imcrop顯示輸入圖像，等待用戶用鼠標(biāo)定義要剪裁的矩形。格式為非交互方式，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(biāo)系中的，xmin和ymin是圖像矩陣I的一處坐標(biāo)，width是以此坐標(biāo)為準(zhǔn)向右的延伸的長度，height是以此坐標(biāo)為準(zhǔn)向下延伸的長度，由此構(gòu)成要剪裁的矩形區(qū)域。6、size函數(shù)功能：用來求出某一個變量的的大小參數(shù)。格式:x,y=siz

15、e(I)說明：I用imread函數(shù)賦值的變量,是一個圖形矩陣且為灰度圖像，x用來保存I的高度值，y用來保存I的寬度值。7、mean2函數(shù)功能(gngnng)：求圖像均值格式(g shi)：m=mean2(A)說明(shumng)：mean2函數(shù)可用來計算圖像矩陣A的均值m,m是雙精度標(biāo)量。舉例：I=imread(temp_picture.jpg); m=mean2(I)運行結(jié)果：m=107.67558、corr2函數(shù)功能：求圖像間相關(guān)系數(shù)。格式：r=cor2(A,B)說明：corr2函數(shù)計算圖像矩陣A與B的相關(guān)系數(shù)，矩陣A與B的大小相同，如均為：mn。計算公式如下： （3.1）其中， =mea

16、n2(A), =mean2(B)。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)。值為1時，表示矩陣A與B的線性聯(lián)系最為密切,值為0時，表示矩陣A與B不相關(guān)，線性聯(lián)系最最弱。舉例：I=imread(temp_picture.jpg);C=corr2(I,I);運行結(jié)果如下：C=19、plot函數(shù)(hnsh)功能(gngnng)：在線性坐標(biāo)系中繪制二維數(shù)據(jù)格式(g shi)：plot(x,y,顏色)說明：x,y可以為任意一個失量。舉例：plot(1:100,4,r);%在縱坐標(biāo)為4處畫一條平行于x軸，長度為100的紅色的線段 %其中1:100表示從1到100

17、以默認值為1的速度遞增,r表示紅色10、hold命令功能：可以交圖形添加到現(xiàn)有的圖形中，從而實現(xiàn)圖形的疊加。如果交hold設(shè)置為ON，則MATLAB在繪圖時交不再清除已經(jīng)存在的圖形，而是交新的數(shù)據(jù)直接加到當(dāng)前圖形中。當(dāng)新的數(shù)據(jù)落在原來的坐標(biāo)范圍之外時，MATLAB交自動進行坐標(biāo)比例的調(diào)整。3.2 模版匹配源代碼function testpipei_1(yuantu,pipeitu)yuantu=imread(原始圖.bmp); %讀取原圖像pipeitu=imread(匹配圖.bmp); %讀取匹配圖像yuantu2gray=rgb2gray(yuantu); %將原圖灰度化pipeitu2g

18、ray=rgb2gray(pipeitu); %將匹配圖灰度化pipei_height,pipei_width=size(pipeitu2gray);yuantu_height,yuantu_width=size(yuantu2gray);imshow(yuantu); %顯示原圖像 hold on;for i=1:yuantu_height-pipei_height forj=1:yuantu_width-pipei_width temp_picture=imcrop(yuantu2gray,j,i,pipei_width-1,pipei_height-1); r=corr2(temp_pi

19、cture,pipeitu2gray); %取得相關(guān)系數(shù) if r0.95 %規(guī)定值為0.95 %下面用plot函數(shù)在原圖的坐標(biāo)系上畫出匹配區(qū)域 plot(j:j+pipei_width,i,b); plot(j:j+pipei_width,i+pipei_height,b); plot(j,i:i+pipei_height,b); plot(j+pipei_width,i:i+pipei_height,b); end endend4 仿真(fn zhn)結(jié)果與分析圖4.1 原始(yunsh)圖.bmp圖4.2 匹配(ppi)圖.bmp圖4.3 匹配(ppi)結(jié)果源程序中讀取原始(yunsh)

20、圖和匹配圖分別如圖4.1，圖4.2所示，運行模版匹配程序，系統(tǒng)就會自動將模板圖像在顯示圖像中進行匹配，如果找到了匹配地點就會用藍色矩形將匹配區(qū)域給圈定下來，實際運行出的結(jié)果如圖4.3所示。結(jié)束語隨著(su zhe)信號處理技術(shù)和計算機技術(shù)的不斷發(fā)展,生產(chǎn)自動化水平的不斷提高，機器(j q)視覺的應(yīng)用越來越廣泛。數(shù)字圖像匹配是機器視覺信息處理領(lǐng)域里一項十分基本(jbn)和重要的技術(shù)。在匹配過程中匹配算法起到舉足輕重的作用，對匹配算法進行研究具有一定的理論價值和實際意義。在工業(yè)檢測、半導(dǎo)體封裝等流水線作業(yè)中,匹配的速度和精度一直是研究的熱點。圖像匹配技術(shù)是近代信息處理，特別是圖像信息處理領(lǐng)域中極為重要的技術(shù)。圖像匹配就是要根據(jù)