几种图像的检测和模板匹配方法

几种图像的检测和模板匹配方法

图象的分割与检测（识别）实际上是一项非常困难的工作。很难说清楚为什么图象应该分割成这样而不是那样。人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力的跟上每秒好几十帧变化的图象。举两个例子来说明一下人类视觉系统的优越性：

图1是单词THE，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。在我们人类看来很简单的一件事，让计算机来做就很困难了。

图2中尽管没有任何线条，但我们还是可以很容易的看出中间存在着一个白色三角形。计算机却很难发现。

由于人类在观察图象中应用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人类视觉系统的水平。正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时，目前只有少数的几个领域（如印刷体识别OCR）自动识别达到了实用的水平。假想在一场足球比赛的录象中，我们希望可以输入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上，但目前，我们能从一幅图象中获得的信息只是每个像素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。所以说解决图象分割和检测最根本的方法是在编码（成像）时就给予考虑。这也正是MPEG4及未来的视频压缩编码标准的主要工作。

针对上述困难，现在提出了三种算法：投影法，差影法和模板匹配。

1、投影法

怎样从华盛顿纪念碑图中自动检测到水平方向上纪念碑的位置。

仔细观察，不难发现，纪念碑上像素的灰度都差不多而且与众不同，如果我们选取合适的阈值，做削波处理（这里选175到220），将该图二值化，如下图所示：

图1. 削波处理，将图二值化图2. 图4做竖直方向投影

由于纪念碑所在的那几列的白色点比起其他列多很多，如果把该图在竖直方向做投影，如下图所示：其中，黑色线条的高度代表了该列上白色点的个数。图中间的高峰部分就是我们要找的水平方向上纪念碑所在的位置，这就是投影法。

可以看出投影法是一种很自然的想法，有点象灰度直方图。为了得到更好的效果，投影法经常和阈值化一起使用。由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声。

2. 差影法

差影法的原理非常简单：将前后两幅图象相减，得到的差作为结果结果图象。下面的几幅图能够说明差影法的原理。

图3. 前景+背景

图4. 背景

图5. 两者相减的结果

图3是前景图（猫）加背景图（木星），图4是背景图，图3减图4的结果如图5所示，这样就得到了前景（不完全是前景，因为背景的灰度值并不为零，但至少可以得到前景的形状）。

差影法是非常有用的，比如说可以用在监控系统中。在银行金库内，摄像头每隔一小段时间，拍摄一幅图，与上一幅图做差影，如果差别超过了预先设置的阈值，说明有人，这时就应该拉响警报。我们在介绍灰度窗口变换时，曾经提到了电影"阿甘正传"特技中应用了"蓝幕"的技术，其实也包含差影法的原理。

3. 模板匹配

如何在一幅图象中找到已知的物体，比如抓拍到了一张射门的照片，如何在该照片中找到足球的位置。这时就可以采用模板匹配的方法。所谓模板匹配，其实想法很简单：拿已知的模板（在本例中为足球的图象），和原图象中同样大小的一块区域去对。最开始时，模板的左上角点和图象的左上角点是重合的，拿模板和原图象中同样大小的一块区域去对，然后平移到下一个像素，仍然进行同样的操作……所有的位置都对完后，差别最小的那块就是我们要找的物体。

我们用平方误差之和来衡量原图中的块和模板之间的差别。假设模板的大小为m*n(宽*高)；图象的大小为Width*Height。模板中的某点坐标为(x0,y0)，该点的灰度为U(x0,y0)；与之重合的图象中的点坐标为(X0-x0,Y0-y0)，该点的灰度为V(X0-x0,Y0-y0)，

图6. 模板匹配的公式

全部图象都匹配后，找到最小的即为结果。可以看到模板匹配的运算量是惊人的，每一次匹配都要做m*n次减法，m*n次平方，m*n-1次加法，整个图象要匹配(Width-m+1)*(Height-n+1)次。