基于金字塔的模板匹配算法

　　在目标检测过程中，常用的方法就是设置一个模板，以滑动窗口的形式遍历整幅源图像（待检测的图像）；每次滑动都会产生一个和模板等大小的ROI图像，基于某种度量方式，计算模板与当前ROI图像的相似性度量值。这样遍历完整幅图像后就会形成一个图像，找出最大值对应的位置（x,y），它就是我们要寻找的目标的位置。

　　上面是模板匹配大致的步骤，当源图像很大，遍历完整幅图像很耗时，故提出了基于金字塔的模板匹配方法，下面是该方法涉及到几点：

　　(1) 设置金字塔层数nLevels，创建源图像和模板图像对应的nLevels层金字塔图像；

　　(2) 创建每层金字塔图像时，涉及到降采样(除以2)，降采样后会出现锯齿，需要采用平滑滤波器进行处理；高斯平滑滤波器效果好但耗时，可以直接采用小模板的均值滤波器；

　　(3) 计算模板与ROI图像的相似性值时，需要选择相似性度量准则；相似性度量准则有SAD(绝对值总和),SSD(平方差总和)和NCC(归一化相关系数)，NCC的计算最耗时但效果最好，能很好的适应光照变化。

　　理解了大致的流程和涉及到的操作后，可以直接写代码，金字塔匹配算法如下：

  1 function [r,c,nccImg] = pyramidMatch(img, template, nLevels)
  2 % -------------------------------------------------------------------------
  3 % 采用金字塔匹配算法进行模板匹配
  4 %
  5 % 过程：(1)为待匹配的图像和模板图像创建nLevels层金字塔图像
  6 %       (2)从金字塔最高层开始进行匹配，最高层的要完全扫描匹配，得到的最佳匹配位置
  7 % 后向下层传递（乘以2）；根据传递的位置，在5*5的窗口范围内进行扫描匹配，如此这样
  8 % 直到最低层。
  9 %       (3)匹配时采用的相似性度量为归一化相关系数
 10 %       (4)创建金字塔时进行了降采样（除2），然后用2*2的平滑滤波器进行了处理
 11 % 
 12 % img-- 源图像（这里假设为灰度图）
 13 % template-- 模板图像（假设为灰度图）
 14 % nLevels-- 金字塔层数
 15 % @r,c-- 源图像中最匹配的位置
 16 % @nccImg-- 进行金字塔匹配时每层对应的归一化相关系数图像
 17 %
 18 % Author: L.L.He
 19 % Time: 26/7/2014
 20 %%-------------------------------------------------------------------------
 21 imshow(img);
 22 hold on;
 23 [t_r,t_c] = size(template);
 24 nccImg = cell(nLevels, 1);
 25 % 这里计算待匹配图像和模板的图像金字塔
 26 nStep = 2; %5*5
 27 srcPrad = pyramid(img, nLevels);
 28 temPrad = pyramid(template, nLevels);
 29 [r,c,nccImg{nLevels}] = matchTemplate(srcPrad{nLevels}, temPrad{nLevels});
 30 for i=nLevels-1:-1: