數(shù)字圖像處理圖像匹配

1、摘 要圖像匹配是圖像處理技術(shù)中的重要研究內(nèi)容。文本介紹了圖像匹配技術(shù)的要素，對匹配算法的分類以及匹配性能評(píng)價(jià)指標(biāo)，并且將各方法進(jìn)行了分析比較，指出其各自的優(yōu)勢與不足。同時(shí)，進(jìn)一步探討了圖像匹配算法中有待研究的方向。圖像匹配是將不同時(shí)間、不同傳感器、不同視角及不同拍攝條件下獲取的兩幅或多幅圖像進(jìn)行匹配融合。圖像匹配是多種圖像處理及應(yīng)用如物體辨識(shí)、變化檢測、三維建模等的基礎(chǔ)。 圖像匹配的方法有很多種,其中基于圖像特征的圖像匹配是匹配中最常見的方法?；谔卣鞯膱D像匹配中,特征主要針對點(diǎn)特征。基于點(diǎn)特征的圖像匹配,特征點(diǎn)的提取是圖像匹配的關(guān)鍵步驟，從提取效率、算子穩(wěn)定性、定位準(zhǔn)確性、抗噪性、計(jì)算效率上

2、對提取算子進(jìn)行分析比對,用測試圖像對各個(gè)提取算子進(jìn)行實(shí)驗(yàn)分析,得出實(shí)驗(yàn)結(jié)論。通過特征點(diǎn)匹配算法需滿足的三個(gè)原則對基于奇異值分解的角點(diǎn)匹配法進(jìn)行了分析,得出了實(shí)驗(yàn)結(jié)論。關(guān)鍵詞：圖像匹配；傳感器；特征 ；過特征點(diǎn)匹配目錄1.設(shè)計(jì)的要求與目的11.1題目11.2 設(shè)計(jì)要求11.3設(shè)計(jì)目的:11.4性能、接口：12.設(shè)計(jì)原理22.1概念解釋：22.2數(shù)字圖像匹配算法設(shè)計(jì)2基于灰度的摸版匹配算法3局部灰度特征的編碼與計(jì)算43. 設(shè)計(jì)方案63.1設(shè)計(jì)思想63.2設(shè)計(jì)流程64.應(yīng)用程序設(shè)計(jì)74.1程序代碼7讀取原圖像過程7取特征點(diǎn)8映射函數(shù)8圖像匹配8輸出匹配后圖像94.2界面設(shè)計(jì)105.仿真與結(jié)果分析10

3、5.1仿真分析105.2結(jié)果分析10結(jié)論12參考文獻(xiàn)13 1.設(shè)計(jì)的要求與目的1.1題目 用特征匹配算法實(shí)現(xiàn)數(shù)字圖像匹配1.2 設(shè)計(jì)要求所謂圖像匹配，就是指圖像之間的比較、得到不同圖像之間的相似度。基于數(shù)字圖像，編寫對兩副數(shù)字圖像進(jìn)行匹配的算法及演示程序?；疽? (1).進(jìn)行匹配的兩幅圖像為JPG格式或BMP格式。(2).能夠進(jìn)行對兩幅數(shù)字圖像的匹配。(3).采用交互式程序?qū)D像進(jìn)行匹配。提高要求:能夠?qū)?shù)字進(jìn)行簡單處理，例如放大，縮小，翻轉(zhuǎn)，灰度處理，圖象二值化。開發(fā)環(huán)境：MATLAB 7.1 GUI：MATLAB 7.1自帶的GUI界面編輯器1.3設(shè)計(jì)目的:通過分析題目的基本要求，我將

4、此軟件的基本功能主要分為2大模塊:一個(gè)是數(shù)字圖像處理模塊，另一個(gè)是數(shù)字圖像匹配模塊。在數(shù)字圖像處理模塊中，用戶可以對數(shù)字圖像進(jìn)行簡單的處理，可以對圖像進(jìn)行放大，縮小，翻轉(zhuǎn)，灰度處理。在數(shù)字圖像匹配模塊中，用戶可以對兩張圖像進(jìn)行匹配并顯示匹配結(jié)果。1.4性能、接口：輸入/輸出形式:此軟件以MATLAB7.1 GUI編輯器開發(fā)出的界面作為載體對相映的圖像行相應(yīng)的操作，所以輸入輸出形式主要是通過MATLAB7.1 GUI編輯器開發(fā)出的界面來實(shí)現(xiàn)的。輸入形式：輸入任何一幅JPG格式或BMP格式的數(shù)字圖像。輸出形式：將經(jīng)過相應(yīng)操作處理后的圖片顯示出來。測試數(shù)據(jù)要求: 任何一幅JPG格式或BMP格式的數(shù)字

5、圖像。 2.設(shè)計(jì)原理2.1概念解釋：數(shù)字圖像:數(shù)字圖像是由被稱做像素的小塊區(qū)域組成的二維像素矩陣。一般把圖像分成3種形式：單色圖像，灰度圖像和彩色圖像。像素：表示圖像顏色的最小單位灰度圖像：灰度圖是指只含亮度信息，不含色彩信息的圖像，就像平時(shí)看到的黑白照片：亮度由暗到明，變化是連續(xù)的?；叶葓D的每個(gè)像素的亮度用一個(gè)數(shù)值來表示，通常數(shù)值范圍在0255之間，即可用一個(gè)字節(jié)來表示，0表示黑，255表示白，而其他表示灰度。點(diǎn)陣圖:顯示器的屏幕由可以發(fā)光的像素點(diǎn)組成. 并且從幾何位置看, 所用這些像素點(diǎn)構(gòu)成一個(gè)矩形的陣列.利用計(jì)算機(jī)控制各像素點(diǎn)按我們指定的要求發(fā)光,就構(gòu)成了我們需要的圖形.這種方式構(gòu)成的圖

6、形我們可稱之為點(diǎn)陣圖形.點(diǎn)陣圖形的坐標(biāo)系統(tǒng)：各像素點(diǎn)有一個(gè)坐標(biāo)唯一指定了它的位置.如果點(diǎn)陣圖形的大小是N×M, 那么它的點(diǎn)陣共有M行N 列, 每個(gè)像素點(diǎn)的位置就由它所在的行和列的位置所唯一確定. 這個(gè)行和列的位置就給出了點(diǎn)陣圖形的坐標(biāo)系統(tǒng). 按照前面的順序, 第m行, 第n列的像素點(diǎn)順序數(shù)就是m+(n-1)N.反之, 順序數(shù)為s的像素點(diǎn)在第s Mod N行, 第Int(s/N ) + 1列, 這里的s Mod N是s除以N后的余數(shù), Int( s/N ) 是s/N的整數(shù)部分.需要注意的是第m行, 第n列的像素點(diǎn)的坐標(biāo)可能不是(m; n), 而是(m-1; n-1). 這是因?yàn)橛袝r(shí)為了

7、在計(jì)算機(jī)中處理的方便, 像素點(diǎn)的行列的排序不是從1, 而是從0開始的. 我們常用的顯示器的像素坐標(biāo)就是如此.2.2數(shù)字圖像匹配算法設(shè)計(jì)在此軟件中我采用了兩種圖像匹配算法：基于灰度的模板匹配算法基于灰度的快速匹配算法。由于各種各樣的原因如(成象條件的差異)圖象預(yù)處理，引入的誤差等，參與圖象匹配的模板與潛在的匹配子圖象間通常存在著程度不同的不一致，因此根據(jù)模板在一幅陌生圖象中檢測出潛在的匹配對象并得出它在圖象中的位置是一件復(fù)雜的工作?；诨叶鹊拿嫫ヅ渌惴０迤ヅ涫侵赣靡粋€(gè)較小的圖像，即模板與源圖像進(jìn)行比較，以確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，還可確定其位置并提取該區(qū)域

8、。 模板匹配常用的一種測度為模手術(shù)臺(tái)與源圖像對應(yīng)區(qū)域的誤差平方和。設(shè)f(x,y)為M×N的源圖像，t(j,k)為J×K(JM,KN)的模板圖像,則誤差平方和測度定義為: （2.1）由上式展開可得: （2.2） （2.3） （2.4） （2.5）DS（x，y）稱為源圖像中與模板對應(yīng)區(qū)域的能量，它與像素位置（x，y）有關(guān)，但隨像素位置（x，y）的變化，DS（x，y）變化緩慢。DST（x，y）模板與源圖像對應(yīng)區(qū)域的互相關(guān)，它隨像素位置（x，y）的變化而變化，當(dāng)模板t(j，k)和源圖像中對應(yīng)區(qū)域相匹配時(shí)取最大值。DT（x，y）稱為模板的能量，它與圖像像素位置（x，y）無關(guān)，只用一次

9、計(jì)算便可。顯然，計(jì)算誤差平方和測度可以減少計(jì)算量?；谏鲜龇治?，若設(shè)DS（x，y）也為常數(shù)，則用DST（x，y）便可進(jìn)行圖像匹配，當(dāng)DST（x，y）取最大值時(shí)，便可認(rèn)為模板與圖像是匹配的。但假設(shè)DS（x，y）為常數(shù)會(huì)產(chǎn)生誤差，嚴(yán)重時(shí)將無法下確匹配，因此可用歸一化互相關(guān)作為誤差平方和測度，其定義為： （2.6）下圖給出了模板匹配的示意圖，其中假設(shè)源圖像f(x,y)和模板圖像t(k,l)的原點(diǎn)都在左上角。對任何一個(gè)f(x,y)中的(x,y),根據(jù)上式都可以算得一個(gè)R(x,y).當(dāng)x和y變化時(shí)，t(j,k)在源圖像區(qū)域中移動(dòng)并得出R(x,y)所有值。R(x,y)的最大值指出了與t(j,k)匹配的最佳

10、位置，若從該位置開始在源圖像中取出與模板大小相同的一個(gè)區(qū)域，便可得到匹配圖像。 2-1匹配圖像基于灰度的快速匹配算法局部灰度特征的編碼與計(jì)算 首先將整幅圖像劃分為k×k尺寸且互不重疊的方塊,k可根據(jù)問題任意選擇,稱該方塊為R-塊.如果圖像的邊長不是k的整數(shù)倍,則將最底部與最右邊剩余的幾行、幾列裁剪掉(下文將說明這并不影響最終的匹配結(jié)果).對邊長為H的圖像,共可得到H2/k2個(gè)R-塊.對于R-塊Ri,S(Ri)表示Ri所包含像素的灰度值之和. 定義1. R-塊(如圖2-2中的R5所示)與其周圍8個(gè)相鄰的R-塊(如圖2中的R1,R2,R3,R4,R6,R7,R8,R9所示)組成R-塊的鄰

11、域.將R-塊的鄰域分為4個(gè)部分,分別為D1,D2,D3,D4(如圖2-2所示),稱為R-塊的D-鄰域.R-塊R5分別屬于4個(gè)D-鄰域,即D1=R1R2R4R5;D2=R4R5R7R8;D3=R5R6R8R9;D4=R2R3R5R6. 對于每個(gè)D-鄰域中的4個(gè)R-塊,可規(guī)定一個(gè)順序(如圖2-3中所取的逆時(shí)針序).對Dj所包含的4個(gè)R-塊的像素灰度值之和S(Rj1),S(Rj2),S(Rj3),S(Rj4)做排序,顯然共有4!=24種可能,每種排序結(jié)果可以用5位的二進(jìn)制編碼來表示,記作P(Dj)00000,00001,10111. 圖2-2劃分 2-3劃分后的區(qū)域?qū)-塊Ri所在的4個(gè)D-塊的P(

12、Dj)做位串拼接,得到F(Ri)=P(D1)P(D2)P(D3)P(D4),即 F(Ri)=(P(D1)<<15)+(P(D2)<<10)+(P(D3)<<5)+P(D4). 其中,P(Dj)為Ri所在的鄰域Dj的二進(jìn)編碼,<<為移位操作,其后面的數(shù)字表示移位位數(shù). 定義2. F(Ri)為Ri塊的20位二進(jìn)制編碼特征表示,簡稱Ri塊的編碼. 對一幅圖像,提取它所有Ri塊的編碼,需要計(jì)算各個(gè)R-塊的灰度值和S(Ri)、計(jì)算各個(gè)D-鄰域的編碼P(Dj)、計(jì)算各個(gè)Ri塊的編碼F(Ri)等共3步.圖像最外一圈的Ri塊的編碼無定義.對于邊長為H的圖像,上述

13、運(yùn)算的時(shí)間復(fù)雜度為O(H2). 顯然,F(Ri)表示R-塊Ri的灰度與相鄰8個(gè)R-塊灰度的分布(序)關(guān)系,體現(xiàn)了圖像灰度的相對值,因此對整體灰度值的變化具有相對的穩(wěn)定性.通過對R-塊尺寸k的選擇,可以改變圖像處理粒度的大小,以改變抵抗不同頻率噪聲的能力. 3. 設(shè)計(jì)方案 3.1設(shè)計(jì)思想定義3. 在待搜索圖S上以模板T的長、寬為橫向、縱向步長,從S的左上角開始按模板T的大小劃分S得到的子圖稱為限制塊,記作Ci, j,其中(i,j)為限制塊左上角頂點(diǎn)在搜索圖S上的坐標(biāo).這樣劃分后,如果在搜索圖S的右側(cè)或底部有剩余部分,則相應(yīng)地從S的最右側(cè)開始向左,或從最底部開始向上劃分出一列或一行限制塊,使得全部

14、限制塊可以完全覆蓋搜索圖S.這樣得到的圖S上的限制塊的數(shù)量為M2/H2。定義4. 限制塊Ci,j與模板T都是尺寸為N×N的圖像,各自的R-塊特征集合 用(N/k)階方陣A(Ci,j)與A(T)表示,稱為特征編碼矩陣,這里k為R-塊的邊長.在Ci,j與T作特征比較時(shí),即比較A(T)每一個(gè)元素與A(Ci,j)中每一個(gè)元素是否相等,如果相等,則記下矩陣A(Ci,j)中的行號(hào)、列號(hào).3.2設(shè)計(jì)流程設(shè)計(jì)流程圖如圖所示。輸入/輸出形式:此軟件以MATLAB7.1 GUI編輯器開發(fā)出的界面作為載體對相映的圖像行相應(yīng)的操作，所以輸入輸出形式主要是通過MATLAB7.1 GUI編輯器開發(fā)出的界面來實(shí)現(xiàn)

15、的。輸入形式：輸入任何一幅JPG格式或BMP格式的數(shù)字圖像。輸出形式：將經(jīng)過相應(yīng)操作處理后的圖片顯示出來。開始讀取圖像提取特征點(diǎn)匹配圖像顯示匹配圖像圖像 結(jié)束 設(shè)計(jì)方案圖4.應(yīng)用程序設(shè)計(jì)4.1程序代碼4.1.1讀取原圖像過程clear;clc;reference_img=imread('D:optical1.jpg');%提取原始圖片作為基準(zhǔn)target_img=imread('D:optical2.jpg');%要求進(jìn)行匹配的圖像subplot(2,3,1);%顯示原始圖像imshow(reference_img);title('原始圖像');

16、subplot(2,3,2);%顯示進(jìn)行匹配的圖像imshow(target_img);title('目標(biāo)圖像');4.1.2取特征點(diǎn)Ix,Iy=size(target_img);%取出圖片大小x=160,103,102,209;%自己選定的特征點(diǎn)y=116,246,160,299;u=87,35,34,141;v=21,151,66,204;4.1.3映射函數(shù)Px=polyfit(x,u,1);%映射函數(shù)求解Py=polyfit(y,v,1);for i=1:Ix for j=1:Iy m=i*Px(1,1)+Px(1,2);%映射函數(shù) n=j*Py(1,1)+Py(1,2)

17、; m_integer=floor(m);%對映射值進(jìn)行取整 n_integer=floor(n); m_decimal=m-m_integer;%對映射值取小數(shù) n_decimal=n-n_integer;4.1.4圖像匹配 if(ge(m_integer,Ix)|ge(n_integer,Iy)|lt(m_integer,0)|lt(n_integer,0)|m_integer=0|n_integer=0)%判斷映射點(diǎn)是否滿足條件 result_img(i,j)=0; result_img3(i,j)=0; else result_img(i,j)=target_img(m_integer

18、,n_integer);%沒有進(jìn)行插值 result_img3(i,j)=(1-m_decimal)*(n_decimal*target_img(m_integer,n_integer+1)+(1-n_decimal)*target_img(m_integer,n_integer)+m_decimal*(n_decimal*target_img(m_integer+1,n_integer+1)+(1-n_decimal)*target_img(m_integer+1,n_integer);%雙線性插值 end if result_img(i,j)=0%把沒有進(jìn)行插值圖像和原始圖像進(jìn)行組合 re

19、sult_img2(i,j)=reference_img(i,j); else result_img2(i,j)=result_img(i,j); end if result_img3(i,j)=0%把插值后圖像和原始圖像進(jìn)行組合 result_img4(i,j)=reference_img(i,j); else result_img4(i,j)=result_img3(i,j); end endend4.1.5輸出匹配后圖像subplot(2,3,3);%顯示未插值圖像匹配imshow(result_img,);title('未插值圖像匹配');subplot(2,3,4);

20、%顯示未插值圖像匹配組合imshow(result_img2,);title('未插值圖像匹配組合')subplot(2,3,5);%顯示雙線性插值后圖像匹配imshow(result_img3,);title('雙線性插值后圖像匹配');subplot(2,3,6);%顯示雙線性插值后圖像匹配組合imshow(result_img4,);title('雙線性插值后圖像匹配組合');4.2界面設(shè)計(jì) 本程序采用交互式來演示圖像匹配過程，GUI采用MATLAB 7.1自帶subplot(2,3,1);%顯示原始圖像的GUI界面編輯器。主要涉及圖像顯示

21、，各個(gè)功能按鈕對顯示的圖像所進(jìn)行的操作（如：放大，縮小，旋轉(zhuǎn)和圖像匹配），文件對話框（用來讀取和保存圖像）。舉例：pname,adrname=uigetfile('*.jpg','*.bmp') 5.仿真與結(jié)果分析5.1仿真分析讀取了兩幅圖片顯示在顯示區(qū)域內(nèi)，如圖4-1所示，一幅是原始圖片，一幅是目標(biāo)圖像。從顯示區(qū)域內(nèi)剪切一塊區(qū)域（按下剪切按鈕可進(jìn)行剪切）。按下匹配算法1，或匹配算法2后，系統(tǒng)就會(huì)自動(dòng)將模板圖像在顯示圖像中進(jìn)行匹配，如果找到了匹配地點(diǎn)就會(huì)用紅色矩形將匹配區(qū)域給圈定下來，例如圖4-1就是在顯示圖像中找到的匹配區(qū)域。5.2結(jié)果分析根據(jù)測試結(jié)果得：匹配

22、算法1（基于灰度的模板匹配算法）的匹配時(shí)間約為26秒左右。匹配算法2（基于灰度的快速匹配算法）的匹配時(shí)間約為16秒左右。結(jié)論：匹配算法1和匹配算法2的共同缺點(diǎn)是都絕對的依賴坐標(biāo)系統(tǒng)，費(fèi)時(shí)間較多。在抗噪音能力上，匹配算法1沒有抗噪音的能力，匹配算法2在理論上有一定的抗噪音的能力，可是在此程序中沒做出來。5-1測試結(jié)果圖結(jié)論1.這此課程設(shè)計(jì)是我第一次使用新的編程軟件來編程，用MATLAB來編寫程序。剛開始的時(shí)候由于不適應(yīng)這種編譯環(huán)境和對其語法不理解讓我?guī)锥认胍艞?，但是MATLAB的數(shù)據(jù)處理能力是不容質(zhì)疑的，經(jīng)過幾次失敗后終于將程序一點(diǎn)一點(diǎn)編出來并調(diào)試通過。2.此次課程設(shè)計(jì)是我第一次接觸圖形圖像方面的知識(shí)，并研究圖形圖像領(lǐng)域中的一個(gè)比較熱門的話題數(shù)字圖像匹配。在研究圖形圖像基礎(chǔ)知識(shí)和數(shù)字圖像匹配算法的過程中查閱了許多資料，也得到了老師的一些幫助，使我對圖形圖像方面的知識(shí)有了一定了解，對數(shù)字圖像匹配算法方面掌握了大致方向。3我通過圖像匹配特征匹配算法對目標(biāo)圖像進(jìn)行匹配組合處理，