目录
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