幾種圖像的檢測(cè)和模板匹配方法的簡(jiǎn)介.doc

幾種圖像的檢測(cè)和模板匹配方法圖象的分割與檢測(cè)（識(shí)別）實(shí)際上是一項(xiàng)非常困難的工作。很難說清楚為什么圖象應(yīng)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(fù)雜的景物中分開并識(shí)別每個(gè)物體，甚至可以毫不費(fèi)力的跟上每秒好幾十幀變化的圖象。舉兩個(gè)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(diǎn)很容易看出來，但仔細(xì)觀察一下，就會(huì)發(fā)現(xiàn)，圖中少了很多線條。在我們?nèi)祟惪磥砗芎?jiǎn)單的一件事，讓計(jì)算機(jī)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(gè)白色三角形。計(jì)算機(jī)卻很難發(fā)現(xiàn)。 由于人類在觀察圖象中應(yīng)用了大量的知識(shí)，所以沒有任何一臺(tái)計(jì)算機(jī)在分割和檢測(cè)真實(shí)圖象時(shí)，能達(dá)到人類視覺系統(tǒng)的水平。正因?yàn)槿绱?，?duì)于大部分圖象應(yīng)用來說，自動(dòng)分割與檢測(cè)還是一個(gè)將來時(shí)，目前只有少數(shù)的幾個(gè)領(lǐng)域（如印刷體識(shí)別OCR）自動(dòng)識(shí)別達(dá)到了實(shí)用的水平。假想在一場(chǎng)足球比賽的錄象中，我們希望可以輸入命令，由計(jì)算機(jī)自動(dòng)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(gè)像素的顏色或灰度值，除此以外別無(wú)其它，完成上述功能實(shí)在是太困難了。所以說解決圖象分割和檢測(cè)最根本的方法是在編碼（成像）時(shí)就給予考慮。這也正是MPEG4及未來的視頻壓縮編碼標(biāo)準(zhǔn)的主要工作。 針對(duì)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(jì)念碑圖中自動(dòng)檢測(cè)到水平方向上紀(jì)念碑的位置。仔細(xì)觀察，不難發(fā)現(xiàn)，紀(jì)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(jì)念碑所在的那幾列的白色點(diǎn)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(diǎn)的個(gè)數(shù)。圖中間的高峰部分就是我們要找的水平方向上紀(jì)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(diǎn)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(diǎn)對(duì)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(jiǎn)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?yàn)楸尘暗幕叶戎挡⒉粸榱?，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(kù)內(nèi)，攝像頭每隔一小段時(shí)間，拍攝一幅圖，與上一幅圖做差影，如果差別超過了預(yù)先設(shè)置的閾值，說明有人，這時(shí)就應(yīng)該拉響警報(bào)。我們?cè)诮榻B灰度窗口變換時(shí)，曾經(jīng)提到了電影阿甘正傳特技中應(yīng)用了藍(lán)幕的技術(shù)，其實(shí)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(shí)就可以采用模板匹配的方法。所謂模板匹配，其實(shí)想法很簡(jiǎn)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(duì)。最開始時(shí)，模板的左上角點(diǎn)和圖象的左上角點(diǎn)是重合的，拿模板和原圖象中同樣大小的一塊區(qū)域去對(duì)，然后平移到下一個(gè)像素，仍然進(jìn)行同樣的操作所有的位置都對(duì)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(shè)模板的大小為m*n(寬*高)；圖象的大小為Width*Height。模板中的某點(diǎn)坐標(biāo)為(x0,y0)，該點(diǎn)的灰度為U(x0,y0)；與之重合的圖象中的點(diǎn)坐標(biāo)為(X0-x0,Y0-y0)，該點(diǎn)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