9.1 图像匹配 因此，可以用下列的相关系数作为相似性量度： D(,)的第一项 ∑∑S(m,n小T(m,m) R(6,)= Di,)的第二项 ∑∑[S(m,n] 或者归一化为： ∑∑Sw(m,n小T(m,n) R(6)= zΣ[s(mΣ[r(m】 N-M+1 M-I 特点：由于模板模板匹配需要 M 逐点进行检测，因此计算量很 大，要在（N-M+1)2个参 考位置上做相关计算，匹配效 率和精度也比较低。 搜索图 模板 Digital Image Processing
Digital Image Processing Digital Image Processing 或者归一化为： ( ) 因此，可以用下列的相关系数作为相似性量度： ( ) ( ) ( ) , 2 , , , (, ) , (, ) , i j m n i j m n S mn T mn Di j Rij Di j S mn = = ⎡ ⎤ ⎣ ⎦ ∑∑∑∑ i 的第一项 的第二项 ( ) ( ) ( ) () () , 1/ 2 1/ 2 2 2 , , , , , , i j m n i j m n m n S mn T mn Rij S mn T mn = ⎛ ⎞ ⎛ ⎞ ⎡ ⎤ ⎡ ⎤ ⎜ ⎟ ⎣ ⎦ ⎜ ⎟ ⎣ ⎦ ⎝ ⎠ ⎝ ⎠ ∑∑ ∑∑ ∑∑ i 9.1 图像匹配 搜索图 模板 特点：由于模板模板匹配需要 逐点进行检测，因此计算量很 大，要在 个参 考位置上做相关计算，匹配效 率和精度也比较低。 ( )2 N M− +1
9.1 图像匹配 ◆特征匹配： (1)图像匹配的计算量大，匹配效率和精度都很低； (2)实际应用中的多数场合，我们关心的并不是目标物所 在区域的所有像素，而是目标物的特征； (3)常用的匹配特征有特征点、字符串、形状数、惯量等 效椭圆等； (4)最常用的特征点是图像中的一些特殊点，例如边缘 点、交界点和拐点等； (⑤)特征点匹配主要的步骤如下： 。选取特征点； ·特征点的匹配； ·对匹配结果进行插值。 Digital Image Processing
Digital Image Processing Digital Image Processing ◆特征匹配： （1）图像匹配的计算量大，匹配效率和精度都很低； （2）实际应用中的多数场合，我们关心的并不是目标物所 在区域的所有像素，而是目标物的特征； （3）常用的匹配特征有特征点、字符串、形状数、惯量等 效椭圆等； （4）最常用的特征点是图像中的一些特殊点，例如边缘 点、交界点和拐点等； （5）特征点匹配主要的步骤如下： i 选取特征点； i 特征点的匹配； i 对匹配结果进行插值。 9.1 图像匹配
9.1 图像匹配 1.字苻串匹配法 字符串的匹配是根据逐个符号完成的。首先将两个区域的边界A和B分别进 行编码，得到两个字符串。从起始点开始，如果在某个位置上编码位的数值相 同，则认为这两个边界有一次匹配，设M为两字符串匹配的次数，则非四配的 次数为 2=max(.B)-M 其中|川arg|代表arg的字符串表达长度（符号个数)，当且仪当两边 界的字符串相等时，Q0。 用一个相似性量度R来衡量两边界的近似程度： R= M M max (lAl B)-M (1)则R越大说明两个边界的匹配程度越高。 (2)当完全匹配时R为无穷大。 (3)注意：起点的位置对计算量形响很大，因此通常鼎要对字符串进 行归一化处理。 Digital Image Processing
Digital Image Processing Digital Image Processing 1.字符串匹配法 字符串的匹配是根据逐个符号完成的。首先将两个区域的边界A和B分别进 行编码，得到两个字符串。从起始点开始，如果在某个位置上编码位的数值相 同，则认为这两个边界有一次匹配，设M为两字符串匹配的次数，则非匹配的 次数为 Q AB M = max , ( ) − 9.1 图像匹配 其中|| arg || 代表arg的字符串表达长度（符号个数），当且仅当两边 界的字符串相等时，Q=0。 （1）则R越大说明两个边界的匹配程度越高。 （2）当完全匹配时R为无穷大。 （3）注意：起点的位置对计算量影响很大，因此通常需要对字符串进 行归一化处理。 用一个相似性量度R来衡量两边界的近似程度： max , ( ) M M R Q A B M = = −
9.1 图像匹配 2.形状数匹配法 (1)形状匹配中常用的一种方法是形状数匹配法。该方法的基本原理是： 通过比较两个对象边界的形状数的相似程度，来匹配对象。 (2)首先定义两个区城边界的相似度为两形状数之间的最大公共形状数。 (3)设有闭合曲线A和B,都用4链码表示，当A和B具有相同的相以级别k 时，则它们的相似度就是k。 (4)两个区城边界A和B形状数的距离D(A,B)为其相似度的倒数，即 D(A,B)=1/k 则它必然满足： D(A,B)≥0； D(A,B)=0当且仅当A=B; D(A,C)<max[D(A,B),D(B,C)] 利用形状数匹配法进行匹配的步骤是： (1)用不同密度的网格划分边界区城，获得不同序数的形状数。 (2) 利用相似级别k或相似距离D进行相似性判别。 ①如果使用相以级别k,k越大则越相似。 ②如果使用相似距离D,D越小则越相似。 Digital Image Processing
Digital Image Processing Digital Image Processing 2.形状数匹配法 （1）形状匹配中常用的一种方法是形状数匹配法。该方法的基本原理是： 通过比较两个对象边界的形状数的相似程度，来匹配对象。 （2）首先定义两个区域边界的相似度为两形状数之间的最大公共形状数。 （3）设有闭合曲线A和B，都用4链码表示，当A和B具有相同的相似级别k 时，则它们的相似度就是k。 D(A,B) ≥ 0； D(A,B) = 0 当且仅当 A=B； D(A,C) ≤ max[D(A,B),D(B,C)] （4）两个区域边界A和B形状数的距离D(A,B)为其相似度的倒数，即 则它必然满足： D( AB k , 1/ ) = 9.1 图像匹配 利用形状数匹配法进行匹配的步骤是： （1） 用不同密度的网格划分边界区域，获得不同序数的形状数。 （2） 利用相似级别k或相似距离D进行相似性判别。 ① 如果使用相似级别k，k越大则越相似。 ② 如果使用相似距离D，D越小则越相似