机器视觉课件： 第十二章 《模板匹配》

1、模板匹配引言 模式识别就是分析图像内容,找出图像中有哪些东西。 步骤： 图像分割图像分割（物体分离）：检测出各个物体，并把它们的图像和其余景物分离 特征抽取特征抽取：对物体进行度量。通过计算对物体的一些重要特性进行量化表示 分类分类：确定每个物体应该归属的类别模式识别的应用 字符识别字符识别 如OCR识别软件, 邮局信函自动分拣机 生物特征识别生物特征识别 指纹识别,人像识别等 遥感应用遥感应用 卫星云图, 地面导弹、飞机场等设施的卫星图像识别处理 医学诊断医学诊断 CT等图像的识别处理识别与解释:图像分析系统 图像分析技术分类的三种基本范畴 低级处理：图像获取、预处理，不需要智能 中级处理：

2、图像分割、表示与描述，需要智能 高级处理：图像识别、解释，缺少理论，为降低难度，设计得更专用。4水果的识别 四部分： 数码图片的获取， 图像的彩色边缘检测、图像的分割， 图象的颜色特征和形状特征提取 图像的分类识别。 选择研究的目标物 香蕉，西红柿，梨和青椒四种果蔬。 功能： 使机器具有一定的视觉功能，能够认识“记忆”中的水果。 例如：当接受到命令是香蕉时，就可以自动地将香蕉拿出来。 水果原始图像 边缘提取 使用索贝尔算子得到的边缘图像 取反后的边缘图像取反后的边缘图像 膨胀处理 膨胀处理后膨胀处理后区域填充 膨胀运算后，图像的边缘得到了很好的描述 然而，在目标物的内部，仍然存在一些空洞，可通

3、过区域填充消除空洞 区域填充后区域填充后标记连通区域 为了能够更加清楚的观察分割结果，我们对上图中的连通区域进行标记，并且用不同的颜色显示 从图中可以看出，共得到四部分分割区域，并分别用红色，黄色，深蓝色和蓝绿色表示出来 对象提取 在二值图像中，对象是指值为1且连接在一起的像素的集合。 根据上图中不同目标物的不同坐标，提取出特定的连通区域，选择特定的对象 分别显示出只含有一个对象的二值图像分别显示出只含有一个对象的二值图像 特征提取 形状特征 颜色特征形状特征 图像经过边缘提取和图像分割等操作，就会得到边缘和区域，也就是获得了目标的形状。 任何物体的形状特征均可由其几何属性（如长度、面积、距离

4、、凹凸等），统计属性（如投影）和拓扑属性（如连通、欧拉数）来进行描述。 可以用来表示形状的特征包括几何特征和矩特征。 可供选择的几何特征有：周长、面积、偏心率、欧拉数、角点、横轴长度和纵轴长度。 矩特征有质心、方向、主轴关于方向的矩、不变矩和特征矩等。 识别目标物较少，因此不必选择过多特征，我们只选择了面积，横轴长两个特征，并用图像分析得到的特征值建立了一个小型的特征库 颜色特征 由于颜色特征具有旋转不变性和尺度不变性，因而，在图象识别技术，颜色是使用最广泛的特征之一。 而颜色特征的提取是利用颜色特征进行图象识别的关键之一。 目前，大部分系统都采用颜色比例分布作为颜色基本特征， 这就是图象领域

5、中的直方图法。 (a) （b） 图图(a)(d)分别为香蕉，青椒，梨和西红柿的直方图分别为香蕉，青椒，梨和西红柿的直方图横轴为色调横轴为色调Hue，纵轴为，纵轴为H（p）。）。 相似度量 颜色特征提取后，如何用数值来有效的表示图像在颜色上的相似程度，这便是相似度量问题 相似度量也是直接影响识别效果的重要环节，在模式识别技术中，特征的相似度量均采用距离法 ，即特征的相似程度用特征向量的空间距离来表示 识别结果 经过彩色边缘检测，图像分割和特征提取，对分割后的图像进行模式匹配，并制作出用户界面，最终实现图像的分类和识别。模板匹配法模板匹配法 统计决策方法的特殊情况，也是最简单的情况 待分类的每一类

6、模式只有一个唯一的标准（印刷体字符、标准普通话）观测向量对样本进行观测、采样、量化得到的原理数据构成的向量观测空间由观测向量的维数决定的m维几何空间R=r1,r2,rmT观测向量观测值 特征向量对观测向量进行特征选择和提取，得到反映事物本质特性的特征构成的向量 特征空间由特征向量的维数决定的n维几何空间（nm），每个特征向量即是特征空间中的一个点X=x1,x2,xnT特征向量特征值模式识别，第二章18特征空间鲑鲑 鱼鱼鲈鲈 鱼鱼19 特征选择 去除次要的特征，筛选出重要的特征 特征提取 通过压缩变换或映射，降低特征维数 样本的相似度 即样本的相似程度，是模式识别的重要依据 通常以样本特征向量在

7、特征空间中的距离作为样本的相似度样本相似度欧氏距离平方和距离绝对值距离加权距离最小距离分类器 欧氏距离设有两个n维特征向量X1和 X2则此二样本的欧氏距离定义为：TnxxxX,112121 =TnxxxX,222212 =221222122211121nnxxxxxxXXX =X1X2 平方和距离 绝对值距离（曼哈顿距离）22122212221112nnxxxxxxX =nnxxxxxxX2122122111 = 加权距离 可根据各个特征在识别中的重要程度设置各加权系数nnnxxxxxxD212212221111 =最小距离模板匹配法过程 学习过程 对每一类已知类的学习样本进行特征提取，得到模

8、板向量X1， X2， XC（C为类别数） 设置识别门限值 以待识样本与模板向量之间的相似度（距离）为识别准则最小距离模板匹配法过程 识别过程 对待识样本进行特征提取，得到特征向量 计算待识样本特征向量与模板向量X1， X2， XC之间的距离 D1， ，DC 若Di = min Dj ，j=1, 2 , ,C，且 Di = 15) NumLevels := i endifendforcreate_shape_model (ImageROI, NumLevels, 0, rad(360), auto, none, use_polarity, 30, 10, ModelID)get_shape_mo

9、del_contours (ShapeModel, ModelID, 1)* step 3: find the object in other imagesfor i := 1 to 2 by 1 grab_image (SearchImage, FGHandle) find_shape_model (SearchImage, ModelID, 0, rad(360), 0.7, 1, 0.5, least_squares, 0, 0.7, RowCheck, ColumnCheck, AngleCheck, Score) if (|Score| = 1) dev_set_color (yellow) vector_angle_to_rigid (0, 0, 0, RowCheck, ColumnCheck, AngleCheck, MovementOfObject) affine_trans_contour_xld (ShapeModel, ModelAtNewPosition, MovementOfObject) dev_display (SearchImage) dev_dis