图像处理中的模板匹配

目录

概念：

原理：

问题：

方法的基本分类：

---

概念：

把对同一景物在不同时间、不同成像条件下获取的多幅图像在空间上对准；根据已知模式到另一幅图中寻找相应模式的处理方法。

原理：

在待搜寻的图像中，移动模板图像，在每个位置测量待搜寻图像的子图像和模板图像的差值，当相似度最大时，记录其相应位置，完成匹配。

 搜索域：以两幅图像的原点为参考点，参考图像R在待 搜寻图像 I 中平移（r，s）个单位，所能移动的最大区域为搜索区域。

将模板图像块，从左到右，从上到下，每次移动一个像素。在每一个位置上，都进行一次计算来度量匹配的好坏程度。把度量值保存到结果图像矩阵R中，在R的每个位置(x,y)上都存有一个度量值。最后，利用MinMaxLoc函数来定位矩阵中的最大值或最小值，找到最佳匹配区域。

问题：

        1.如何选取合适的距离测量方法？

        2.如何处理不同亮度下的情况？

        3.相似度的阈值设置（达到多少才算匹配成功）？

方法的基本分类：

1.基于像素的模板匹配：根据模板图像和待匹配图像中子图像的灰度信息计算两者的相似度

        优点：操作简单，易于实现；

        缺点：该方法基于图像的灰度信息，易受光照影响；抗干扰能力差，在遮挡或模糊情况下很难识别；计算量大，运行速度慢。

2.基于特征的模板匹配：首先提取出输入图像的特征点，通过算法求出对应的特征，然后得到这些特征点之间的函数关系。

        优点：对灰度值不敏感；对目标的旋转、尺度变化和光照变化等因素具有很好的鲁棒性；

        缺点：特征提取的好坏决定这模板匹配的好坏；在特征的数量不足的情况下结果较差（eg，天空，海洋）。

        常用特征：点、线、面