Matlab圖像處理學習筆記（三）：基於匹配的目標識別

如果要在一幅圖像中尋找已知物體，最常用且最簡單的方法之一就是匹配。

在目標識別的方法中，匹配屬於基於決策理論方法的識別。匹配方法可以是最小距離分類器，相關匹配。本文code是基於最小距離分類器，基於相關匹配的與此類似。

本文涉及到的知識點如下：

1、目標識別.

2、基於決策理論方法的識別

3、匹配（最小距離分類器、相關匹配）

4、空間相關（相關匹配涉及）

匹配之前，需要先將圖像轉換為灰度圖，函數為rgb2gray，由於matlab對浮點型支持較為完善，我們還需將圖像數據類型更改為double，函數為im2double。之后再將原始圖像補0，這樣才能遍歷圖像的每一點，函數padarray。

決策函數的計算為djx=x'*mj-0.5*mj'*mj;岡薩雷斯的《數字圖像處理》Page561中有寫。之后尋找最佳匹配。

本文算法主要參考岡薩雷斯的《數字圖像處理》。

轉載請注明出處。

已知問題：運行較慢，相關匹配要快一點。

代碼如下：

%function:
%       基於最小距離分類器的模板匹配
%       尋找圖片中與已知模板的匹配區域
%referrence：
%      岡薩雷斯的《數字圖像處理》（第三版）第十二章 目標識別
%date:2015-1-8
%author:chenyanan
%轉載請注明出處：http://blog.csdn.net/u010278305

%清空變量，讀取圖像
clear;close all
template_rgb = imread('images/eye.jpg');
src_rgb = imread('images/head.jpg');

%轉換為灰度圖
template=rgb2gray(template_rgb);    template = im2double(template);
src=rgb2gray(src_rgb);  src = im2double(src);

figure('name','模板匹配結果'),
subplot(1,2,1),imshow(template_rgb),title('模板'),

%球的模板與原始圖像的大小
tempSize=size(template);
tempHeight=tempSize(1); tempWidth=tempSize(2);
srcSize=size(src);
srcHeight=srcSize(1); srcWidth=srcSize(2);

%在圖片的右側與下側補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');

%初始化一個距離數組 tmp:mj  template:x
%參見《數字圖像處理》 Page561
distance=zeros(srcSize);
for height=1:srcHeight
   for width= 1:srcWidth
      tmp=srcExpand(height:(height+tempHeight-1),width:(width+tempWidth-1));
      %diff= template-tmp;
      %distance(height,width)=sum(sum(diff.^2));
      %計算決策函數
      distance(height,width)=sum(sum(template'*tmp-0.5.*(tmp'*tmp)));
   end
end

%尋找決策函數最大時的索引
maxDis=max(max(distance));
[x, y]=find(distance==maxDis);

%繪制匹配結果
subplot(1,2,2),imshow(src_rgb);title('匹配結果'),hold on
rectangle('Position',[x y tempWidth tempHeight],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
hold off

運行結果如下：

模板及圖像源文件已上傳。