数字图像处理入门—图象的测，模板匹配.pdfVIP

中国图像网 / 数字图像处理入门—图象的检测，模板匹配 图象的分割与检测（识别）实际上是一项非常困难的工作。很难说清楚为什么图象应该分割成这样而不是 那样。人类的视觉系统是非常优越的 ，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并 识别每个物体，甚至可以毫不费力的跟上每秒好几十帧变化的图象。举两个例子来说明一下人类视觉系统 的优越性： 　　　　　　 　　　　　图 1. 单词THE 　　　　　　　　　　　　图2. 看不见的三角 图1 是单词THE ，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。在我们人类看 来很简单的一件事，让计算机来做就很困难了。 图2 中尽管没有任何线条，但我们还是可以很容易的看出中间存在着一个白色三角形。计算机却很难发现。 由于人类在观察图象中应用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人 类视觉系统的水平。正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时，目前只有 少数的几个领域（如印刷体识别OCR ）自动识别达到了实用的水平。 也许算是题外话，我们可以憧憬这样一种应用：基于内容的搜索。在一场足球比赛的录象中，用户可以输 入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上。目前，我们能从一幅图象中获得的信息只 是每个像素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。所以说解决图象分割和 检测最根本的方法是在编码（成像）时就给予考虑。这也正是 MPEG4 及未来的视频压缩编码标准的主要 工作。 正因为有上述的困难， 所以我们今天要介绍的只是一些最基本，最简单的算法和思想，针对也只能是一些 具体（而不是通用）的应用。算法共有三个：投影法，差影法和模板匹配。 1. 投影法 在介绍投影法之前，我先出一道题目，下面的这幅照片是著名的华盛顿纪念碑（我记得在阿甘正传中曾 经看到过它），怎样从图中自动检测到水平方向上纪念碑的位置。 　　　　　　 　　　　图3.华盛顿纪念碑 仔细观察，不难发现，纪念碑上像素的灰度都差不多而且与众不同，如果我们选取合适的阈值，做削波处 理（这里选175 到220 ），将该图二值化，如下图所示： 中国图像网 / 　　　 　图4. 削波处理，将图3 二值化 　　　　　　　图5. 图4 做竖直方向投影 由于纪念碑所在的那几列的白色点比起其他列多很多，如果把该图在竖直方向做投影，如下图所示：其中， 黑色线条的高度代表了该列上白色点的个数。图中间的高峰部分就是我们要找的水平方向上纪念碑所在的 位置，这就是投影法。 可以看出投影法是一种很自然的想法，有点象灰度直方图。为了得到更好的效果，投影法经常和阈值化一 起使用。由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声。 投影法的源程序 2. 差影法 差影法的原理非常简单：将前后两幅图象相减，得到的差作为结果结果图象。下面的几幅图能够说明差影 法的原理。 图6. 前景+背景 中国图像网 / 图7. 背景 图8. 两者相减的结果 图6 是前景图 （猫）加背景图 （木星），图7 是背景图，图6 减图7 的结果如图8 所示，这样就得到了前景 （不完全是前景，因为背景的灰度值并不为零，但至少可以得到前景的形状）。 差影法是非常有用的，比如说可以用在监控系统中。在银行金库内，摄像头每隔一小段时间，拍摄一幅图， 与上一幅图做差影，如果差别超过了预先设置的阈值，说明有人，这时就应该拉响警报。我们在介绍灰度 窗口变换时，曾经提到了电影阿甘正传特技中应用了蓝幕的技术，其实也包含差影法的原理。 差影法的源程序 3. 模板匹配 如何在一幅图象中找到已知的物体，比如抓拍到了一张射门的照片，如何在该照片中找到足球的位置。这 时就可以采用模板匹配的方法。所谓模板匹配，其实想法很简单：拿已知的模板（在本例中为足球的图象）， 和原图象中同样大小的一块区域去对。最开始时，模板的左上角点和图象的左上角点是重合的，拿模板和 原图象中同样大小的一块区域去对，然后平移到下一个像素，仍然进行同样的操作……所有的位置都对完 后，差别最小的那块就是我们要找的物体。 中国图像网 / 我们用平方