利用图像互相关计算图像位移

最新推荐文章于 2024-04-20 15:24:49 发布

weixin_45492636

最新推荐文章于 2024-04-20 15:24:49 发布

阅读量1w

点赞数 7

文章标签：计算机视觉人工智能

原文链接：https://blog.csdn.net/qq_29007291/article/details/79996519

版权

一、互相关

下图展示的是信号的卷积，互相关和自相关

从上图分析可知，当两个信号完全重合的时候所得到的互相关的值最大。拓展在二维图像互相关，当两幅图像完全重合的时候具有最大的互相关值，因此互相关可以用于计算两幅图像的位移以及图像配准。

二、二维图像互相关计算过程

一、

matlab—–normxcorr2简要说明

其计算公式如下：

关键只在于返回的尺寸的大小:关键只在于返回的尺寸的大小:
假设原始图像大小为 $H\times W$ , 模板大小为 $h\times w$ ,则normxcorr2返回的图像大小为 $(H+h-1)\times (W+w-1)$ ,其移动方式如下图所示：

(图1)模板位于图像的最左上角时:

（图2）当模板位于图像的最右下

二、

ncv—matchTemplate简要说明

其计算公式如下：

关键只在于返回的尺寸的大小:关键只在于返回的尺寸的大小:
假设原始图像大小为 $H\times W$ , 模板大小为 $h\times w$ ,则matchTemplate返回的图像大小为 $(H-h+1)\times (W-w+1)$

移动方式: 模板位于图像的最左上角时:

模板位于图像的最右下角时：

总结
matlab的normxcorr2 和 opencv的matchTempte(TM_CCOEFF_NORMED)算法原理相同, 但是返回图的图像尺度不同. normxcorr2 返回的尺度: (H+h-1)× (W+w-1)(H+h-1)× (W+w-1) matchTemplate(TM_CCOEFF_NORMED)返回的尺度： $(H-h+1)\times (W-w+1)$
毕竟, normxcorr2目的是NCC, matchTemplate目的是模板匹配。

三、

图像位移

对图像进行互相关运算后，寻找最大位移并配准。

图像进行互相关计算之后，会得到一个矩阵，矩阵中的最大值对应的坐标（x,y）就跟图像的位移有关。

[ypeak,xpeak] = find(tmpXCorr == max(tmpXCorr(:)));
yShift = size(Template,1) - ypeak;
xShift = size(Template,2) - xpeak;
ImStack(:,:,ii) = imtranslate(ImStack(:,:,ii),[xShift yShift],'FillValues',0);

利用上述方法可以得到图像配准需要的位移值，但是利用这种方法只能将位移量精确到像素值。如果还有更精确，可以利用曲线拟合的方式去得到最大值，这样可以是想亚像素的精度。