数字图像模板匹配.doc

摘 要 模板匹配就是把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准,或根据已知模式到另一幅图中寻找相应模式的处理方法。模板匹配是数字图像处理的重要组成部分之一。简单而言，模板就是一幅已知的小图像。模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。 当以两块区域像素点灰度值的差别作为判别标准时，最简单的一种方法是直接把各点灰度的差值累计起来。另一种方法是计算两块区域的对应像素点灰度值的相关系数，相关系数越大，则两块图像的匹配程度越高。该方法的匹配效果要更好，匹配成功率有所提高。 关键词：图像匹配；MATLAB；灰度相关 目录 1设计目的与要求 1 1.1设计目的 1 1.2设计要求 1 2 系统设计原理 1 2.1 数字图像模板匹配及原理 1 3设计方案 2 3.1 设计思想 2 3.2 设计流程 2 3.3 算法设计 3 4代码实现 6 4.1 相关函数说明 6 4.2 模版匹配源代码 9 5 系统仿真结果与分析 10 结论 12 参考文献 13 1设计目的与要求 1.1设计目的 数字图像出技术的迅猛发展，使其应用前景的得到了不可限量的扩展。如今各行各业都在积极发展与图像相关的技术，数字图像处理逐渐凸显出其魅力。其应用如医学影像，航天航空，无人驾驶，自动导航，工业控制，导弹制导，文化艺术等。边缘检测技术在图像处理和计算机视觉等领域起着重要的作用，是图像分析，模式识别，目标检测与分割等的前期处理。前期边缘检测的好坏，直接影响后期更高级处理的精度。在实际图像边缘检测问题中，图像的边缘作为图像的一种基本特征，经常被应用到较高层次的图像应用中去。它在图像识别，图像分割，图像增强以及图像压缩等的领域中有较为广泛的应用，也是它们的基础。 1.2设计要求 通过分析题目的基本要求，我将此使用两种方法实现匹配:一个是基于灰度的模板匹配，另一个是基于灰度的快速匹配。在以上两种方法中，用户可以对两张图像进行匹配并显示匹配结果。 计算机模式识别所要解决的问题，就是用计算机代替人去认识图像和找出一幅图像中人们感兴趣的目标物。在机器识别物体的过程，常需把不同传感器或同一传感器在不同时间，不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图中寻找相应的模式，这就叫做匹配。模板匹配是一种最原始、最基本的模式识别方法。研究某一特定对象物位于图像的位置，进而识别对象，这就是匹配的问题。利用模板匹配可以在一幅图像中找到已知的物体。这里的模板指的是一幅待匹配的图像，相当于模式识别的模式。基本要求如下: (1).进行匹配的两幅图像为JPG格式或BMP格式。 (2).能够进行对两幅数字图像的匹配。 (3).采用交互式程序对图像进行匹配。由于各种各样的原因如(成象条件的差异)图象预处理，引入的误差等，参与图象匹配的模板与潜在的匹配子图象间通常存在着程度不同的不一致，因此根据模板在一幅陌生图象中检测出潜在的匹配对象并得出它在图象中的位置是一件复杂的工作。 模板匹配是指用一个较小的图像，即模板与源图像进行比较，以确定在源图像中是否存在与该模板相同或相似的区域，若该区域存在，还可确定其位置并提取该区域。①数字图像:数字图像是由被称做像素的小块区域组成的二维像素矩阵。一般把图像分成3种形式：单色图像，灰度图像和彩色图像。 ②像素：表示图像颜色的最小单位 ③灰度图像：灰度图是指只含亮度信息，不含色彩信息的图像，就像平时看到的黑白照片：亮度由暗到明，变化是连续的。灰度图的每个像素的亮度用一个数值来表示，通常数值范围在0—255之间，即可用一个字节来表示，0表示黑，255表示白，而其他表示灰度。 ④点阵图:显示器的屏幕由可以发光的像素点组成. 并且从几何位置看, 所用这些像素点构成一个矩形的阵列.利用计算机控制各像素点按我们指定的要求发光,就构成了我们需要的图形.这种方式构成的图形我们可称之为点阵图形. ⑤点阵图形的坐标系统：各像素点有一个坐标唯一指定了它的位置.如果点阵图形的大小是N×M, 那么它的点阵共有M行N 列, 每个像素点的位置就由它所在的行和列的位置所唯一确定. 这个行和列的位置就给出了点阵图形的坐标系统. 按照前面的顺序, 第m行, 第n列的像素点顺序数就是m+(n-1)N.反之, 顺序数为s的像素点在第s Mod N行, 第Int(s/N ) + 1列, 这里的s Mod N是s除以N后的余数, Int( s/N ) 是s/N的整数部分.需要注意的是第m行, 第n列的像素点的坐标可能不是(m; n), 而是(m-1; n-1). 这是因为有时为了在计算机中处