【圖像配准】基於灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法

簡介：

       本文主要介紹幾種基於灰度的圖像匹配算法：平均絕對差算法（MAD）、絕對誤差和算法（SAD）、誤差平方和算法（SSD）、平均誤差平方和算法（MSD）、歸一化積相關算法（NCC）、序貫相似性檢測算法（SSDA）、hadamard變換算法（SATD）。下面依次對其進行講解。

MAD算法

介紹

        平均絕對差算法（Mean Absolute Differences，簡稱MAD算法），它是Leese在1971年提出的一種匹配算法。是模式識別中常用方法，該算法的思想簡單，具有較高的匹配精度，廣泛用於圖像匹配。

設S(x,y)是大小為mxn的搜索圖像，T(x,y)是MxN的模板圖像，分別如下圖(a)、(b)所示，我們的目的是：在(a)中找到與(b)匹配的區域（黃框所示）。

算法思路

        在搜索圖S中，以(i,j)為左上角，取MxN大小的子圖，計算其與模板的相似度；遍歷整個搜索圖，在所有能夠取到的子圖中，找到與模板圖最相似的子圖作為最終匹配結果。

        MAD算法的相似性測度公式如下。顯然，平均絕對差D(i,j)越小，表明越相似，故只需找到最小的D(i,j)即可確定能匹配的子圖位置：

其中：

算法評價：

優點：

①思路簡單，容易理解（子圖與模板圖對應位置上，灰度值之差的絕對值總和，再求平均，實質：是計算的是子圖與模板圖的L1距離的平均值）。

②運算過程簡單，匹配精度高。

缺點：

①運算量偏大。

②對噪聲非常敏感。

——————————————————————————————————————————————————————————————————————————————

SAD算法

介紹

        絕對誤差和算法（Sum of Absolute Differences，簡稱SAD算法）。實際上，SAD算法與MAD算法思想幾乎是完全一致，只是其相似度測量公式有一點改動（計算的是子圖與模板圖的L1距離），這里不再贅述。

算法實現

由於文章所介紹的幾個算法非常相似，所以本文僅列出SAD算法的代碼，其余算法的實現類似。看別人代碼都相對費力，想自己敲也很簡單。

MATLAB代碼

 

%%
%絕對誤差和算法（SAD）
clear all;
close all;
%%
src=imread('lena.jpg');
[a b d]=size(src);
if d==3
    src=rgb2gray(src);
end
mask=imread('lena_mask.jpg');
[m n d]=size(mask);
if d==3
    mask=rgb2gray(mask);
end
%%
N=n;%模板尺寸，默認模板為正方形
M=a;%代搜索圖像尺寸，默認搜索圖像為正方形
%%
dst=zeros(M-N,M-N);
for i=1:M-N         %子圖選取，每次滑動一個像素
    for j=1:M-N
        temp=src(i:i+N-1,j:j+N-1);%當前子圖
        dst(i,j)=dst(i,j)+sum(sum(abs(temp-mask)));
    end
end
abs_min=min(min(dst));
[x,y]=find(dst==abs_min);
figure;
imshow(mask);title('模板');
figure;
imshow(src);
hold on;
rectangle('position',[x,y,N-1,N-1],'edgecolor','r');
hold off;title('搜索圖');

 

輸出結果

——————————————————————————————————————————————————————————————————————————————

SSD算法

（未完待續）

 

http://blog.csdn.net/hujingshuang/article/details/47759579

http://blog.csdn.net/yanbdsky/article/details/5648295