第8章图象的检测及模板匹配.docVIP

第8 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，甚至可以毫不费力地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8.1??? 单词THE 图8.2??? 看不见的三角 图8.1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8.2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时适用了大量的知识，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象素的颜色或灰度值，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(成象)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。 8.1 投影法 (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。 仔细观察，不难发现，纪念碑上象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，如图8.3所示： 图8.3??? 华盛顿纪念碑 图8.4??? 削波处理，将图8.3二值化 由于纪念碑所在的那几列的白色点比起其他列多很多，如果把该图在垂直方向做投影，如图8.5所示。 图8.5???? 图8.4做垂直方向投影 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。 以下是投影法的源程序，第二个参数是个BOOL变量，为真时表示在水平方向上做投影，否则在垂直方向上做投影。要注意的是，我们针对的虽然是二值图，但为了处理的方便，用的是256级灰度图，不过只用到了0和255两种灰度级。 BOOL Projection(HWND hWnd,BOOL Hori) { ?????? DWORD ????????????? OffBits,BufSize; LPBITMAPINFOHEADER??? lpImgData; ?????? LPSTR? ????????????? ?????????????? lpPtr; ?????? HLOCAL??? ??????? ?????????? hTempImgData; ?????? LPBITMAPINFOHEADER??? lpTempImgData; ?????? LPSTR ???????? ????????????? ???? lpTempPtr; ?????? HDC ??????????? ????????????? ????????????? hDc; ?????? HFILE??????????? ??????????? ????? hf; ?????? LONG?????????????? ????? x,y; ?????? int???????????????????????? ?? ??????? ?????? num; //用的是256级灰度图，不过只用到了0和255两种灰度级。 ?????? if( NumColors!=256){ ??? ?????? MessageBox(hWnd,Must be a mono bitmap with grayscale palette!, Error Message,MB_OK|MB_ICONEXCLAMATION); return FALSE; } //到位图数据的偏移值 ?????? OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER); ?????? //缓冲区大小 ?????? BufSize=OffBits+bi.biHeight*