如果要在一幅图像中寻找已知物体,最常用且最简单的方法之一就是匹配。
在目标识别的方法中,匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器,相关匹配。本文code是基于最小距离分类器,基于相关匹配的与此类似。
本文涉及到的知识点如下:
1、目标识别.
2、基于决策理论方法的识别
3、匹配(最小距离分类器、相关匹配)
4、空间相关(相关匹配涉及)
匹配之前,需要先将图像转换为灰度图,函数为rgb2gray,由于matlab对浮点型支持较为完善,我们还需将图像数据类型更改为double,函数为im2double。之后再将原始图像补0,这样才能遍历图像的每一点,函数padarray。
决策函数的计算为djx=x'*mj-0.5*mj'*mj;冈萨雷斯的《数字图像处理》Page561中有写。之后寻找最佳匹配。
本文算法主要参考冈萨雷斯的《数字图像处理》。
转载请注明出处。
已知问题:运行较慢,相关匹配要快一点。
代码如下:
- %function:
- % 基于最小距离分类器的模板匹配
- % 寻找图片中与已知模板的匹配区域
- %referrence:
- % 冈萨雷斯的《数字图像处理》(第三版)第十二章 目标识别
- %date:2015-1-8
- %author:chenyanan
- %转载请注明出处:http://blog.csdn.net/u010278305
-
- %清空变量,读取图像
- clear;close all
- template_rgb = imread('images/eye.jpg');
- src_rgb = imread('images/head.jpg');
-
- %转换为灰度图
- template=rgb2gray(template_rgb); template = im2double(template);
- src=rgb2gray(src_rgb); src = im2double(src);
-
- figure('name','模板匹配结果'),
- subplot(1,2,1),imshow(template_rgb),title('模板'),
-
- %球的模板与原始图像的大小
- tempSize=size(template);
- tempHeight=tempSize(1); tempWidth=tempSize(2);
- srcSize=size(src);
- srcHeight=srcSize(1); srcWidth=srcSize(2);
-
- %在图片的右侧与下侧补0
- %By default, paddarray adds padding before the first element and after the last element along the specified dimension.
- srcExpand=padarray(src,[tempHeight-1 tempWidth-1],'post');
-
- %初始化一个距离数组 tmp:mj template:x
- %参见《数字图像处理》 Page561
- distance=zeros(srcSize);
- for height=1:srcHeight
- for width= 1:srcWidth
- tmp=srcExpand(height:(height+tempHeight-1),width:(width+tempWidth-1));
- %diff= template-tmp;
- %distance(height,width)=sum(sum(diff.^2));
- %计算决策函数
- distance(height,width)=sum(sum(template'*tmp-0.5.*(tmp'*tmp)));
- end
- end
-
- %寻找决策函数最大时的索引
- maxDis=max(max(distance));
- [x, y]=find(distance==maxDis);
-
- %绘制匹配结果
- subplot(1,2,2),imshow(src_rgb);title('匹配结果'),hold on
- rectangle('Position',[x y tempWidth tempHeight],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
- hold off
运行结果如下:
模板及图像源文件已上传。
原文链接:http://blog.csdn.net/u010278305/article/details/42536421