图像匹配ppt.ppt

图像匹配算法的实现及分析 小组成员： 项目要求： 图像匹配算法的实现及分析 我们经常需要在一副图像中寻找是否存在一个物体或一个小场景，并确定其位置，图像匹配算法是一种最常用的方法之一，实现图像匹配算法，进行图像匹配，确定其存在与否，并定位。 图像匹配算法的分类： 匹配算法分为基于区域的匹配方法、基于特征的匹配方法、基于模型的匹配和基于变换域的匹配。 基于区域的匹配方法 又称为基于图像灰度的配准方法，通常直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种有哪些信誉好的足球投注网站方法，寻找使相似性度量值最大或最小的变换模型的参数值。基于图像灰度的配准方法不需要对图像做特征提取，而是直接利用全部可用的图像灰度信息，因此能提高估计的精度和鲁棒性。但是它计算量大,难以达到实时性要求，而且一旦进入信息贫乏的区域，会导致误匹配率的上升。 基于图像特征的配准方法 需要对图像进行预处理，然后提取图像中保持不变的特征,如边缘点、闭区域的中心、线特征、 基于模型的匹配方法 在计算机视觉领域中的应用非常广泛，它可以分为刚体形状匹配和变形模板匹配[4]两大类。Kass提出的Snake主动轮廓模型是比较典型的自由式变形模板模型。 基于变换域的匹配的方法 有基于傅立叶变换、基于Gabor变换和基于小波变换的匹配，这些匹配方法对噪声不敏感，检测结果不受照度变化影响，可以较好的处理图像之间的旋转和尺度变化。 根据相关定理，若和为二维时域函数，那么，定义以下相关运算： 式中，符号表示相关运算。 也就是说，由于相关定理表示两个物体的相关程度，相关程度越高，说明两个物体越相似。那么我们根据定理，利用傅里叶变换，对两个图像做相关，然后观察出现的峰值，若峰值越高，表明两个物体越相似，并确定最高峰值的位置，则可以确定模板图在目标图中的位置。根据老师所给的条件，具体实现步骤如下： 1、制作模板图和目标图。利用画图工具重新制作一个模板图和目标图。 2、将模板图与目标图数字化。即将模板图与目标图分别读入 Matlab中，并存入相关矩阵，为了减少计算量，可将两幅图的数据矩阵转换为二值图像数据矩阵。 3、做傅里叶变换。根据相关定理，时域的相关，等于频域的乘积。所以要将模板图与目标图分别做傅里叶变换，变换的频域中去。 4、相关。模板图与目标图经傅里叶变换后，两图所得矩阵数乘，其中目标图的矩阵要先取共轭，然后经过反傅里叶变换到频域中去，并利用fftshift函数将低频部分移到中间去，并将图形旋转180度，得到正确的坐标轴，然后观察出现的五个峰值。 5、定位。求出相应矩阵中的最大值，根据最大值设置一阀值，找出高于此阀值的坐标，即为模板图在目标图中的位置。 实现过程举例：根据上面所述实现步骤，具体实现过程如下（以图形说明）：第一步所对应图形： 第二步所对应图形： 第三步所对应的图形： 第四步所对应的图形 程序的实现： 三、程序实现 本实例是在matlab下实现，其中大量利用了matlab自带的图像处理工具和内部函数。具体实现程序如下： function y=imagePosition() %图像匹配 %在一目标图像中，检测特定模板图像，并确定其位置 templet=imread(mig25_2.tif); %将模板图中的数据读入templet矩阵中 level=graythresh(templet); %设置黑白转换阀值 bw=im2bw(templet,level); %转换为二值图像数据 F=fft2(bw); %对模板图做快速傅里叶变换 igure,mesh(fftshift(abs(F))); %绘制模板图经过傅里叶变换后的三维图 target=imread(D:\005.jpg); %将目标图中的数据读入target矩阵中 level=graythresh(target); BW=im2bw(target,level); F2=fft2(BW); %对目标图做快速傅里叶变换igure,mesh(fftshift(abs(F2))); %打开新的图形窗口，并绘制目标图经过傅里叶变换后的 R=fftshift(abs(ifft2(F .* conj(F2)))); %在频域内用F点乘F2的共轭，相当于在时域内模板图与目标图做相关运算，然后在做反傅里叶变换到时域，用fftshift函数将傅里叶变换的零频率部分移到数组中间 R=rot90(R,2); %将R矩阵逆时针旋转180度，得到正确的坐标图