图像匹配课件内容资料.pptVIP

图像匹配算法的实现及分析 小组成员： 基于图像特征的配准方法 需要对图像进行预处理，然后提取图像中保持不变的特征,如边缘点、闭区域的中心、线特征、 基于模型的匹配方法 在计算机视觉领域中的应用非常广泛，它可以分为刚体形状匹配和变形模板匹配[4]两大类。Kass提出的Snake主动轮廓模型是比较典型的自由式变形模板模型。 基于变换域的匹配的方法 有基于傅立叶变换、基于Gabor变换和基于小波变换的匹配，这些匹配方法对噪声不敏感，检测结果不受照度变化影响，可以较好的处理图像之间的旋转和尺度变化。 这里我们选用基于变换域的匹配方法： 物体识别方法原理与实现步骤： 所谓物体识别，就是指用一个较小的图像，即模板与目标图像进行比较，以确定在目标图像中是否存在与该模板相同或相似的区域，若该区域存在，还可确定其位置。 根据相关定理，若和为二维时域函数，那么，定义以下相关运算： 式中，符号表示相关运算。 式中，表示傅里叶变换。 根据相关定理，若和为二维时域函数，那么，定义以下相关运算： 式中，符号表示相关运算。 也就是说，由于相关定理表示两个物体的相关程度，相关程度越高，说明两个物体越相似。那么我们根据定理，利用傅里叶变换，对两个图像做相关，然后观察出现的峰值，若峰值越高，表明两个物体越相似，并确定最高峰值的位置，则可以确定模板图在目标图中的位置。根据老师所给的条件，具体实现步骤如下： 1、制作模板图和目标图。利用画图工具重新制作一个模板图和目标图。 2、将模板图与目标图数字化。即将模板图与目标图分别读入 Matlab中，并存入相关矩阵，为了减少计算量，可将两幅图的数据矩阵转换为二值图像数据矩阵。 3、做傅里叶变换。根据相关定理，时域的相关，等于频域的乘积。所以要将模板图与目标图分别做傅里叶变换，变换的频域中去。 4、相关。模板图与目标图经傅里叶变换后，两图所得矩阵数乘，其中目标图的矩阵要先取共轭，然后经过反傅里叶变换到频域中去，并利用fftshift函数将低频部分移到中间去，并将图形旋转180度，得到正确的坐标轴，然后观察出现的五个峰值。 5、定位。求出相应矩阵中的最大值，根据最大值设置一阀值，找出高于此阀值的坐标，即为模板图在目标图中的位置。 实现过程举例：根据上面所述实现步骤，具体实现过程如下（以图形说明）：第一步所对应图形： 目标图 模板图 第三步所对应的图形： 图五 模板图与目标图相关后的图形 第四步所对应的图形 图六 模板图在目标图中的位置（最高峰值出现的位置） 程序的实现： 三、程序实现 本实例是在matlab下实现，其中大量利用了matlab自带的图像处理工具和内部函数。具体实现程序如下： function y=imagePosition() %图像匹配 %在一目标图像中，检测特定模板图像，并确定其位置 templet=imread(mig25_2.tif); %将模板图中的数据读入templet矩阵中 level=graythresh(templet); %设置黑白转换阀值 bw=im2bw(templet,level); %转换为二值图像数据