如果要在一幅图像中寻找已知物体,最常用且最简单的方法之一就是匹配。
在目标识别的方法中,匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器,相关匹配。本文code是基于最小距离分类器,基于相关匹配的与此类似。
本文涉及到的知识点如下:
1、目标识别.
2、基于决策理论方法的识别
3、匹配(最小距离分类器、相关匹配)
4、空间相关(相关匹配涉及)
匹配之前,需要先将图像转换为灰度图,函数为rgb2gray,由于matlab对浮点型支持较为完善,我们还需将图像数据类型更改为double,函数为im2double。之后再将原始图像补0,这样才能遍历图像的每一点,函数padarray。
决策函数的计算为djx=x'*mj-0.5*mj'*mj;冈萨雷斯的《数字图像处理》Page561中有写。之后寻找最佳匹配。
本文算法主要参考冈萨雷斯的《数字图像处理》。
转载请注明出处。
已知问题:运行较慢,相关匹配要快一点。
代码如下:
%function: % 基于最小距离分类器的模板匹配 % 寻找图片中与已知模板的匹配区域 %referrence: % 冈萨雷斯的《数字图像处理》(第三版)第十二章 目标识别 %date:2015-1-8 %author:chenyanan %转载请注明出处:http://blog.csdn.net/u010278305 %清空变量,读取图像 clear;close all template_rgb = imread('images/eye.jpg'); src_rgb = imread('images/head.jpg'); %转换为灰度图 template=rgb2gray(template_rgb); template = im2double(template); src=rgb2gray(src_rgb); src = im2double(src); figure('name','模板匹配结果'), subplot(1,2,1),imshow(template_rgb),title('模板'), %球的模板与原始图像的大小 tempSize=size(template); tempHeight=tempSize(1); tempWidth=tempSize(2); srcSize=size(src); srcHeight=srcSize(1); srcWidth=srcSize(2); %在图片的右侧与下侧补0 %By default, paddarray adds padding before the first element and after the last element along the specified dimension. srcExpand=padarray(src,[tempHeight-1 tempWidth-1],'post'); %初始化一个距离数组 tmp:mj template:x %参见《数字图像处理》 Page561 distance=zeros(srcSize); for height=1:srcHeight for width= 1:srcWidth tmp=srcExpand(height:(height+tempHeight-1),(width+tempWidth-1)); %diff= template-tmp; %distance(height,width)=sum(sum(diff.^2)); %计算决策函数 distance(height,width)=sum(sum(template'*tmp-0.5.*(tmp'*tmp))); end end %寻找决策函数最大时的索引 maxDis=max(max(distance)); [x, y]=find(distance==maxDis); %绘制匹配结果 subplot(1,2,2),imshow(src_rgb);title('匹配结果'),hold on rectangle('Position',[x y tempWidth tempHeight],'LineWidth',2,'LineStyle','--','EdgeColor','r'), hold off
运行结果如下:
模板及图像源文件已上传。