EBMA块匹配算法实验报告

1、精选优质文档-倾情为你奉上EBMA算法实验报告一、实验内容以任一视频的两帧图像为输入，通过EBMA算法，计算运动矢量、运动补偿误差等数据。2、 实验原理块匹配算法是一种重要的基于块的运动估计算法。基于块的运动估计算法是在已估计的运动场上施加平滑约束，把图像分割为互不重叠的称为块的区域，并且假定每个块内的运动可以用一个简单的参数模型（如恒定、仿射、双线性）特征化。块匹配算法的原理即是，以视频中的两帧图像为输入，假设为第K帧（当前帧）与第K-1帧（上一帧）。对当前帧图片以N*N的图像块为单位，分成一个个块，且块间不重叠。对于第x个图像块A，在第上一帧中，寻找与它最匹配的图像块A'，我们认为

2、A图像块是由A'图像块平移而得到的。于是就把图像块A'到A的运动矢量MV记作图像块A的运动矢量。其原理图如下图所示：一般通过绝对平均误差函数来进行匹配：全搜索的块匹配算法是一种块匹配的搜索策略，是最简单、最原始的块匹配算法，可靠且能够得到全局最优的结果。其基本思想是在一个预定的搜索区域内，将第m个图像块与目标帧中所有候选块进行比较，并寻找具有最小误差的一个，这两个块之间的位移差即为所估计的运动矢量。全搜索块匹配算法，假设图像的搜索范围为(-R,R)，为了减少计算量，设置搜索步长为1。在范围内，对每一个可能的图像块都进行匹配计，寻找一个最优的匹配块。对每个块，需要搜索次，则对每帧

3、图像需要搜索的次数为。3、 实验内容输入视频中的两帧图像，以当前帧图像作为锚定帧，需要预测的下一帧图像作为目标帧，将其大小规定为256*256，并将其转化为灰度图像：对锚定帧图片，进行分块，取块大小为16*16。设置图像的搜索范围为（-16,16），步长为1。对目标帧在图像的搜索范围内搜索并计算MAD值，比较各块MAD值得大小，找到MAD值最小的当前块在锚定帧中的最优匹配快，并保存相应的运动矢量：通过得到的运动矢量图以及目标帧预测估计当前帧图像，并计算残差：其运动补偿误差为26.4406。4、 结果分析可以看出，预测帧的图像更加接近当前帧的图像。EBMA算法较为简单，可以减少视频中相邻帧之间的

4、数据冗余，提高视频图像质量。但计算量较大，耗时长，且从预测图像中很容易看出，会产生分块现象。5、 附录A=imread('1.bmp');%读入图像B=imread('2.bmp');f2=rgb2gray(A);%将图像转换成灰度图像f1=rgb2gray(B);%将图像转换成灰度图像fp=0;f1 = imresize(f1,256,256);f2 = imresize(f2,256,256);figure,imshow(f2),title('目标帧');figure,imshow(f1),title('锚定帧') N=16;

5、R=16;height=256;width=256; for i=1:N:height-N+1for j=1:N:width-N+1 MAD_min=256*N*N;dy=0;dx=0;for k= -R:1:R for l= -R:1:R if i+k<1 MAD=256*N*N; elseif i+k>height-N MAD=256*N*N; elseif j+l<1 MAD=256*N*N; elseif j+l>width-N MAD=256*N*N; else MAD=sum(sum(abs(double(f1(i:i+N-1,j:j+N-1)-double

6、(f2(i+k:i+k+N-1,j+l:j+l+N-1); endif MAD<MAD_minMAD_min=MAD;dy=k;dx=l;end;end;end; fp(i:i+N-1,j:j+N-1)= f2(i+dy:i+dy+N-1,j+dx:j+dx+N-1); iblk=floor(i-1)/N+1); jblk=floor(j-1)/N+1); mvx(iblk,jblk)=dx;mvy(iblk,jblk)=dy; end;end;row,col=size(f1);fp = imresize(fp,row,col)figure,imshow(uint8(fp),title('预测帧'); X,Y=meshgrid(N/2:N:256-N/2);Y=256-Y;figure,quiver(X,Y,mvx,mvy),title('运动矢量图'); diff=abs(double(f1)-fp);figure,imshow(uint8(d