模板匹配相关概念与几种不常用的模板匹配(学都学了,了解一下)

一、模板匹配相关概念

(一)什么是模板匹配?

  • 模板匹配指的是通过模板图像与测试图像之间的比较,找到测试图像上与模板图像相似的部分,这是通过计算模板图像与测试图像中目标的相似度来实现的,可以快速地在测试图像中定位出预定义的目标

  • 是图像处理中最基本、最常用的匹配方法

(二)匹配主要思路

  • 为感兴趣的对象创建模型:使用具用代表性图像来创模板匹配模型句柄

  • 在搜索图像中查找模型在图像中搜索先前创建的模型的实例及其位置,搜索它们的角度及行列坐标

(三)匹配结果

  • 通过模板匹配可以得到目标的相似度,旋转角度,行列坐标,缩放大小等

(四)需要处理的问题

  • 针对不同的图像特征和检测环境,有多种模板匹配算法

  • 如何选择合适的模板匹配算法,取决于具体的图像数据和匹配任务

  • 只有理解这些算法的原理和适用场景后,才能根据项目的需要选择合适的算法

(五)模板匹配的分类

  • HALCON模板匹配包含:基于点、基于灰度值、基于描述性、基于相关性、基于形状、基于组件、局部可变形、可变形的

  • 常用的方式是基于相关性和基于形状

二、基于灰度值的模板匹配(Gray-Value-Based,不怎么用的)

  • 基于灰度值的模板匹配是最经典的模板匹配算法,也是最早提出来的模板匹配算法

(一)根本思想

  • 计算模板图像与检测图像之间的像素灰度差值的绝对值总和(SAD方法)或者平方差总和(SSD方法)

(二)原理

(三)使用条件

  • 首先选择一块ROI(感兴趣区域)作为模板图像,生成基于灰度值的模板

  • 然后将检测图像与模板图像进行粗匹配,在检测图像与模板图像中任选一点,采取隔点搜索的方式计算二者灰度的相似性,这样粗匹配一遍得到粗相关点

  • 接下来进行精匹配,将得到的粗相关点作为中心点,用最小二乘法寻找二者之间的最优匹配点

  • 该方法是利用模板图像的所有灰度值进行匹配,但在光照发生变化的情况下灰度值会产生强烈的变化

  • 因此该方法不能适应光照发生变化的情况,也不能用于多通道图像的匹配

  • 适用于目标图像光照比较稳定的情况,多数情况下还是优先考虑基于相关性的匹配和基于形状的匹配。只有针对极少数的简单图像,才会考虑基于灰度值的匹配

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

盾山狂热粉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值