第五章图像分割与边缘检测.ppt

//其他变量定义、 获取图像数据区及开辟临时内存等代码 //循环变量 int i, j, m, n;  //中间结果 double dSigmaST;  double dSigmaS;  double dSigmaT;  //相关性测度 double R;  //最大相关性测度 double MaxR;  //最大相关性出现位置 int nMaxWidth, nMaxHeight;  … //计算dSigmaT dSigmaT = 0;  //计算模板能量 for (n = 0; n nTempHeight; n++) { for(m = 0; m nTempWidth; m++) { pTemplateTemp = pTempBits + nTempWidthBytes * n + m;  templatepixel = *pTemplateTemp;  dSigmaT += (double)templatepixel * templatepixel;  } } //找到图像中最大相关性的出现位置 MaxR = 0.0;  for (j = 0; j nHeight - nTempHeight + 1; j++) { for(i = 0; i nWidth - nTempWidth + 1; i++) { dSigmaST = 0;  dSigmaS = 0;  //计算源图像中与模板对应区域的能量及其与模板的互相关 for (n = 0; n nTempHeight; n++) { for(m = 0; m nTempWidth; m++) { pOldTemp = pOldBits + nWidthBytes * (j + n) + (i + m);  pTemplateTemp = pTempBits + nTempWidthBytes * n + m;  pixel = *pOldTemp;  templatepixel = *pTemplateTemp;  dSigmaS += (double)pixel * pixel;  dSigmaST += (double)pixel * templatepixel;  } } //计算相关性 R = dSigmaST / ( sqrt(dSigmaS) * sqrt(dSigmaT));  //与最大相关性比较 if (R MaxR) { MaxR = R;  nMaxWidth = i;  nMaxHeight = j;  } } } //将最大相关性出现区域部分复制到目标图像 for (n = 0; n nTempHeight; n++) { for(m = 0; m nTempWidth; m++) { pTemplateTemp = pTempBits + nTempWidthBytes * n + m;  pNewTemp= pNewBits + nWidthBytes * (n+nMaxHeight) + (m+nMaxWidth);  *pNewTemp = *pTemplateTemp;  } }  //释放内存等代码 return(TRUE);  } … 图5-16 模板匹配示例 (a) 原图像与匹配结果； (b) 模板；（c） 街坊（City Block）距离法颜色匹配的结果 5.4.2 直方图匹配 颜色是描述图像内容的一个重要特征。人们已经提出了多种借助颜色特征对图像进行检索的方法。常用的颜色空间有R、 G、B和H、S、I。实际上，利用H、S、I颜色空间进行检索的效果更好一些，但以下讨论主要以R、G、B空间为例。为利用图像的颜色特征描述图像，可借助图像特征的统计直方图。利用直方图