【图像识别】基于模板匹配算法实现花朵分类matlab源码

最新推荐文章于 2025-12-09 19:50:25 发布

原创最新推荐文章于 2025-12-09 19:50:25 发布 · 72 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #分类 #matlab #人工智能 #计算机视觉

基于欧式距离的模板匹配就是遍历被匹配图的每一个像素，然后计算以该像素为中心，和模板图重叠部分的像素的欧式距离，当模板图越大时，计算就急剧增加，因此做优化才能有真正的实用价值。

两个标量的欧式距离表达式为 (a - b) * (a - b)，展开后为 a^2 + b^ 2 - 2ab，我们每一个像素点的计算就是WM * HM个像素色阶值的距离的累加和(WM和HM分别为模板图的宽度和高度)，模板匹配中，模板图所有像素的平方和是固定的，可以提前计算，而被匹配图中每个像素点周边WM * HM的像素的平方和可以使用类似BoxBlur中懒惰算法快速的得到，而只有两者的成绩项是必须每个点重新计算，这也是整个计算过程中最为耗时的部分，如果直接用C的代码写出来，恐怕等到花儿都谢了。

%图一：利用直方图进行图像的匹配
%图二：利用形状进行图像的匹配
%交给你们啦~~~~
%-要求mo<=num
clear;
mo = 1;%-选取第？幅图像
num=5;%图片总数量
distance_const=0.8;%设定直方图距离
similar_const=0.5;%设定形状匹配相似度
close all;
%获取第一幅图像
sname='';%统一修改存储位置，修改路径时只需在此步修改
ss=[sname,num2str(mo),'.jpg'] ; %打开待匹配图像
f1=open_img(ss);                %求待匹配图像的累计直方图
%选择其它待匹配图像
distance=zeros(1,num);
for j=1:num
    sl=[sname,num2str(j),'.jpg']
    f2=open_img(sl);
    %进行直方图的匹配
    d=zeros(1,256);
    for ii=1:256
        d(ii)=(sqrt((f1(ii)-f2(ii)).^2));
    end
    distance(j)=sum(d);
end

distance_num=mo;
for j=1:num
    if distance(j)>0
        if distance(j)<=distance_const
            distance_num=[distance_num,j];
        end
    end
end
%**************************************************************************
%****
disp('采用直方图匹配，在给定的距离值以内的图片名称数为：');
distance_num
disp('采用直方图匹配，在给定的距离值以内的图片数目为：');
length(distance_num)
%**************************************************************************
figure(1)
num = length(distance_num);                              %查找到的累积直方图匹配的图像个数
ref =[sname,num2str(mo),'.jpg'];                         %待检索的图像
ref_img = imread(ref);                                   %打开图像
subplot(num+1,2,1);
imshow(ref_img);
title('待匹配图像')
h1=IMHISTS(ref_img);                                     %对原图像求取直方图
subplot(num+1,2,2);
bar(h1,0.075,'b');
axis([0 255 0 4000]);
title('待匹配图像的直方图');
for i = 1:num
    match = [sname,num2str(distance_num(i)),'.jpg'];     %数据库图像
    match_img = imread(match);                           %打开图像
    subplot(num+1,2,2*i+1);
    imshow(match_img);
    ttxt=sprintf('第%d匹配图像',i);title(ttxt);
    h2=IMHISTS(match_img);                               %对匹配图像求取直方图
    subplot(num+1,2,2*i+2);
    bar(h2,0.075,'b');
    axis([0 255 0 4000]);
    ttxt=sprintf('第%d匹配图像直方图',i);title(ttxt);
end
similar = ones(1,num);
rec_tang_1=center_rectangle(ref_img);
for i = 1:num
    match = [sname,num2str(distance_num(i)),'.jpg'];%数据库图像
    match_img = imread(match);                                   %打开图像
    rec_tang = center_rectangle(match_img);
    for j = 1:6
        similar(i) = similar(i) * (1- abs(rec_tang_1(j)-rec_tang(j)) / (rec_tang_1(j)+rec_tang(j)) );
    end
end
similar_num=mo
for i=1:num
    if abs(i-mo)>0
        if similar(i)<=similar_const
            similar_num=[similar_num,i];
        end
    end
end
%**************************************************************************
%****
disp('采用形状匹配，在给定的距离值以内的图片名称数为：');
similar_num
disp('采用形状匹配，在给定的距离值以内的图片数目为：');
length(similar_num)
%**************************************************************************
num=length(similar_num);
figure(2)
for i = 1:num
    match = [sname,num2str(similar_num(i)),'.jpg'];     %数据库图像
    match_img = imread(match);                           %打开图像
    subplot(num,1,i);
    imshow(match_img);
    ttxt=sprintf('第%d匹配图像',i);title(ttxt);
end