TLD算法学习笔记(六)

这篇博客主要探讨TLD算法中的lk.cpp文件,涉及归一化相关函数normCrossCorrelation及getRectSubPix、matchTemplate函数的应用。通过源代码分析,介绍了这两个函数在跟踪过程中的作用,以及它们如何实现像素矩形的精确提取和模板匹配。文章提到了getRectSubPix用于亚像素精度的图像区域提取,matchTemplate则用于比较重叠图像区域,使用不同方法计算比较结果。
摘要由CSDN通过智能技术生成

   今天看TLD的源代码,看其中mex中的lk.cpp文件,里面是TLD中的trackering部分

其中定义了这样的函数。

//归一化相关函数
void normCrossCorrelation(IplImage *imgI, IplImage *imgJ, CvPoint2D32f *points0, CvPoint2D32f *points1, int nPts, char *status, float *match,int winsize, int method) {


 IplImage *rec0 = cvCreateImage( cvSize(winsize, winsize), 8, 1 );
 IplImage *rec1 = cvCreateImage( cvSize(winsize, winsize), 8, 1 );
 IplImage *res  = cvCreateImage( cvSize( 1, 1 ), IPL_DEPTH_32F, 1 );

 for (int i = 0; i < nPts; i++) {
  if (status[i] == 1) {
   cvGetRectSubPix( imgI, rec0, points0[i] );
   cvGetRectSubPix( imgJ, rec1, points1[i] );
   cvMatchTemplate( rec0,rec1, res, method );
   match[i] = ((float *)(res->imageData))[0];

  } else {
   match[i] = 0.0;
  }
 }
 cvReleaseImage( &rec0 );
 cvReleaseImage( &rec1 );
 cvReleaseImage( &res );

}

 

    很明显中间两个函数我就不知道是干什么的?去官网上查了下。 还是一头雾水,只知道大概是先算一个偏移量,然后再用偏移量去进行匹配,匹配的方法可以根据method的不同而用不同的公式,估计都是数学上计算相关性常用的公式。

    两个函数具体的文档如下,总之这个函数就是实现了归一化互相关系数的计算,具体用的公式,后面再做分析。

  getRectSubPix

Retrieves a pixel rectangle from an image with sub-pixel accuracy.

C++:  void   getRectSubPix (InputArray   image, Size   patchSize, Point2f   center, OutputArray   dst, int   patchType=-1   )
Python:   cv2. getRectSubPix (image, patchSize, center [, patch [, patchType ] ] )  → patch
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值