幾種圖像的檢測和模板匹配方法的簡介.doc

幾種圖像的檢測和模板匹配方法圖象的分割與檢測（識別）實際上是一項非常困難的工作。很難說清楚為什么圖象應該分割成這樣而不是那樣。人類的視覺系統(tǒng)是非常優(yōu)越的 ，它不僅包含了雙眼，還包括了大腦，可以從很復雜的景物中分開并識別每個物體，甚至可以毫不費力的跟上每秒好幾十幀變化的圖象。舉兩個例子來說明一下人類視覺系統(tǒng)的優(yōu)越性：圖1是單詞THE，這一點很容易看出來，但仔細觀察一下，就會發(fā)現(xiàn)，圖中少了很多線條。在我們?nèi)祟惪磥砗芎唵蔚囊患?，讓計算機來做就很困難了。圖2中盡管沒有任何線條，但我們還是可以很容易的看出中間存在著一個白色三角形。計算機卻很難發(fā)現(xiàn)。 由于人類在觀察圖象中應用了大量的知識，所以沒有任何一臺計算機在分割和檢測真實圖象時，能達到人類視覺系統(tǒng)的水平。正因為如此，對于大部分圖象應用來說，自動分割與檢測還是一個將來時，目前只有少數(shù)的幾個領域（如印刷體識別OCR）自動識別達到了實用的水平。假想在一場足球比賽的錄象中，我們希望可以輸入命令，由計算機自動搜索出所有射門的鏡頭并顯示在屏幕上，但目前，我們能從一幅圖象中獲得的信息只是每個像素的顏色或灰度值，除此以外別無其它，完成上述功能實在是太困難了。所以說解決圖象分割和檢測最根本的方法是在編碼（成像）時就給予考慮。這也正是MPEG4及未來的視頻壓縮編碼標準的主要工作。 針對上述困難，現(xiàn)在提出了三種算法：投影法，差影法和模板匹配。1、 投影法怎樣從華盛頓紀念碑圖中自動檢測到水平方向上紀念碑的位置。仔細觀察，不難發(fā)現(xiàn)，紀念碑上像素的灰度都差不多而且與眾不同，如果我們選取合適的閾值，做削波處理（這里選175到220），將該圖二值化，如下圖所示： 圖1. 削波處理，將圖二值化 圖2. 圖4做豎直方向投影由于紀念碑所在的那幾列的白色點比起其他列多很多，如果把該圖在豎直方向做投影，如下圖所示：其中，黑色線條的高度代表了該列上白色點的個數(shù)。圖中間的高峰部分就是我們要找的水平方向上紀念碑所在的位置，這就是投影法。 可以看出投影法是一種很自然的想法，有點象灰度直方圖。為了得到更好的效果，投影法經(jīng)常和閾值化一起使用。由于噪聲點對投影有一定的影響，所以處理前最好先做一次平滑，去除噪聲。2. 差影法 差影法的原理非常簡單：將前后兩幅圖象相減，得到的差作為結(jié)果結(jié)果圖象。下面的幾幅圖能夠說明差影法的原理。圖3. 前景+背景圖4. 背景圖5. 兩者相減的結(jié)果 圖3是前景圖（貓）加背景圖（木星），圖4是背景圖，圖3減圖4的結(jié)果如圖5所示，這樣就得到了前景（不完全是前景，因為背景的灰度值并不為零，但至少可以得到前景的形狀）。 差影法是非常有用的，比如說可以用在監(jiān)控系統(tǒng)中。在銀行金庫內(nèi)，攝像頭每隔一小段時間，拍攝一幅圖，與上一幅圖做差影，如果差別超過了預先設置的閾值，說明有人，這時就應該拉響警報。我們在介紹灰度窗口變換時，曾經(jīng)提到了電影阿甘正傳特技中應用了藍幕的技術，其實也包含差影法的原理。 3. 模板匹配 如何在一幅圖象中找到已知的物體，比如抓拍到了一張射門的照片，如何在該照片中找到足球的位置。這時就可以采用模板匹配的方法。所謂模板匹配，其實想法很簡單：拿已知的模板（在本例中為足球的圖象），和原圖象中同樣大小的一塊區(qū)域去對。最開始時，模板的左上角點和圖象的左上角點是重合的，拿模板和原圖象中同樣大小的一塊區(qū)域去對，然后平移到下一個像素，仍然進行同樣的操作所有的位置都對完后，差別最小的那塊就是我們要找的物體。 我們用平方誤差之和來衡量原圖中的塊和模板之間的差別。假設模板的大小為m*n(寬*高)；圖象的大小為Width*Height。模板中的某點坐標為(x0,y0)，該點的灰度為U(x0,y0)；與之重合的圖象中的點坐標為(X0-x0,Y0-y0)，該點的灰度為V(X0-x0,Y0-y0)， 圖6. 模板匹配的公式全部圖象都匹配后，找到最小的即為