數(shù)字圖像匹配

1、 數(shù)字圖像匹配一.需求分析題目: 數(shù)字圖像匹配問題描述: 所謂圖像匹配，就是指圖像之間的比較、得到不同圖像之間的相似度?；跀?shù)字圖像，編寫對兩副數(shù)字圖像進行匹配的算法及演示程序?；疽? (1).進行匹配的兩幅圖像為JPG格式或BMP格式。(2).能夠進行對兩幅數(shù)字圖像的匹配。(3).采用交互式程序?qū)D像進行匹配。提高要求:能夠?qū)?shù)字進行簡單處理，例如放大，縮小，翻轉(zhuǎn)，灰度處理，圖象二值化。開發(fā)環(huán)境：MATLAB 7.1 GUI：MATLAB 7.1自帶的GUI界面編輯器基本功能:通過分析題目的基本要求，我將此軟件的基本功能主要分為2大模塊:一個是數(shù)字圖像處理模塊，另一個是數(shù)字圖像匹配模塊。

2、在數(shù)字圖像處理模塊中，用戶可以對數(shù)字圖像進行簡單的處理，可以對圖像進行放大，縮小，翻轉(zhuǎn)，灰度處理。在數(shù)字圖像匹配模塊中，用戶可以對兩張圖像進行匹配并顯示匹配結(jié)果。性能、接口：輸入/輸出形式:此軟件以MATLAB7.1 GUI編輯器開發(fā)出的界面作為載體對相映的圖像行相應的操作，所以輸入輸出形式主要是通過MATLAB7.1 GUI編輯器開發(fā)出的界面來實現(xiàn)的。輸入形式：輸入任何一幅JPG格式或BMP格式的數(shù)字圖像。輸出形式：將經(jīng)過相應操作處理后的圖片顯示出來。測試數(shù)據(jù)要求: 任何一幅JPG格式或BMP格式的數(shù)字圖像。 二算法設(shè)計1.概念解釋：數(shù)字圖像:數(shù)字圖像是由被稱做像素的小塊區(qū)域組成的二維像素矩

3、陣。一般把圖像分成3種形式：單色圖像，灰度圖像和彩色圖像。像素：表示圖像顏色的最小單位灰度圖像：灰度圖是指只含亮度信息，不含色彩信息的圖像，就像平時看到的黑白照片：亮度由暗到明，變化是連續(xù)的?；叶葓D的每個像素的亮度用一個數(shù)值來表示，通常數(shù)值范圍在0255之間，即可用一個字節(jié)來表示，0表示黑，255表示白，而其他表示灰度。點陣圖:顯示器的屏幕由可以發(fā)光的像素點組成. 并且從幾何位置看, 所用這些像素點構(gòu)成一個矩形的陣列.利用計算機控制各像素點按我們指定的要求發(fā)光,就構(gòu)成了我們需要的圖形.這種方式構(gòu)成的圖形我們可稱之為點陣圖形.點陣圖形的坐標系統(tǒng)：各像素點有一個坐標唯一指定了它的位置.如果點陣圖形

4、的大小是N×M, 那么它的點陣共有M行N 列, 每個像素點的位置就由它所在的行和列的位置所唯一確定. 這個行和列的位置就給出了點陣圖形的坐標系統(tǒng). 按照前面的順序, 第m行, 第n列的像素點順序數(shù)就是m+(n-1)N.反之, 順序數(shù)為s的像素點在第s Mod N行, 第Int(s/N ) + 1列, 這里的s Mod N是s除以N后的余數(shù), Int( s/N ) 是s/N的整數(shù)部分.需要注意的是第m行, 第n列的像素點的坐標可能不是(m; n), 而是(m-1; n-1). 這是因為有時為了在計算機中處理的方便, 像素點的行列的排序不是從1, 而是從0開始的. 我們常用的顯示器的像素

5、坐標就是如此.2數(shù)字圖像匹配算法設(shè)計： 在此軟件中我采用了兩種圖像匹配算法：基于灰度的模板匹配算法基于灰度的快速匹配算法。由于各種各樣的原因如(成象條件的差異)圖象預處理，引入的誤差等，參與圖象匹配的模板與潛在的匹配子圖象間通常存在著程度不同的不一致，因此根據(jù)模板在一幅陌生圖象中檢測出潛在的匹配對象并得出它在圖象中的位置是一件復雜的工作?；诨叶鹊拿嫫ヅ渌惴０迤ヅ涫侵赣靡粋€較小的圖像，即模板與源圖像進行比較，以確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，還可確定其位置并提取該區(qū)域。 模板匹配常用的一種測度為模手術(shù)臺與源圖像對應區(qū)域的誤差平方和。設(shè)f(x,y)為M×

6、;N的源圖像，t(j,k)為J×K(JM,KN)的模板圖像,則誤差平方和測度定義為:由上式展開可得:令 DS(x,y)稱為源圖像中與模板對應區(qū)域的能量，它與像素位置（x,y）有關(guān)，但隨像素位置（x,y）的變化，DS(x,y)變化緩慢。DST(x,y)模板與源圖像對應區(qū)域的互相關(guān)，它隨像素位置（x,y）的變化而變化，當模板t(j,k)和源圖像中對應區(qū)域相匹配時取最大值。DT(x,y)稱為模板的能量，它與圖像像素位置(x,y)無關(guān)，只用一次計算便可。顯然，計算誤差平方和測度可以減少計算量?；谏鲜龇治?，若設(shè)DS(x,y)也為常數(shù)，則用DST(x,y)便可進行圖像匹配，當DST(x,y)取

7、最大值時，便可認為模板與圖像是匹配的。但假設(shè)DS(x,y)為常數(shù)會產(chǎn)生誤差，嚴重時將無法下確匹配，因此可用歸一化互相關(guān)作為誤差平方和測度，其定義為：下圖給出了模板匹配的示意圖，其中假設(shè)源圖像f(x,y)和模板圖像t(k,l)的原點都在左上角。對任何一個f(x,y)中的(x,y),根據(jù)上式都可以算得一個R(x,y).當x和y變化時，t(j,k)在源圖像區(qū)域中移動并得出R(x,y)所有值。R(x,y)的最大值指出了與t(j,k)匹配的最佳位置，若從該位置開始在源圖像中取出與模板大小相同的一個區(qū)域，便可得到匹配圖像?；诨叶鹊目焖倨ヅ渌惴? 局部灰度特征的編碼與計算 首先將整幅圖像劃分為k×

8、;k尺寸且互不重疊的方塊,k可根據(jù)問題任意選擇,稱該方塊為R-塊.如果圖像的邊長不是k的整數(shù)倍,則將最底部與最右邊剩余的幾行、幾列裁剪掉(下文將說明這并不影響最終的匹配結(jié)果).對邊長為H的圖像,共可得到H2/k2個R-塊.對于R-塊Ri,S(Ri)表示Ri所包含像素的灰度值之和. 定義1. R-塊(如圖1中的R5所示)與其周圍8個相鄰的R-塊(如圖1中的R1,R2,R3,R4,R6,R7,R8,R9所示)組成R-塊的鄰域.將R-塊的鄰域分為4個部分,分別為D1,D2,D3,D4(如圖1所示),稱為R-塊的D-鄰域.R-塊R5分別屬于4個D-鄰域,即D1=R1R2R4R5;D2=R4R5R7R8

9、;D3=R5R6R8R9;D4=R2R3R5R6. 對于每個D-鄰域中的4個R-塊,可規(guī)定一個順序(如圖2中所取的逆時針序).對Dj所包含的4個R-塊的像素灰度值之和S(Rj1),S(Rj2),S(Rj3),S(Rj4)做排序,顯然共有4!=24種可能,每種排序結(jié)果可以用5位的二進制編碼來表示,記作P(Dj)00000,00001,10111. 圖1 圖2將R-塊Ri所在的4個D-塊的P(Dj)做位串拼接,得到F(Ri)=P(D1)P(D2)P(D3)P(D4),即 F(Ri)=(P(D1)<<15)+(P(D2)<<10)+(P(D3)<<5)+P(D4)

10、. 其中,P(Dj)為Ri所在的鄰域Dj的二進編碼,<<為移位操作,其后面的數(shù)字表示移位位數(shù). 定義2. F(Ri)為Ri塊的20位二進制編碼特征表示,簡稱Ri塊的編碼. 對一幅圖像,提取它所有Ri塊的編碼,需要計算各個R-塊的灰度值和S(Ri)、計算各個D-鄰域的編碼P(Dj)、計算各個Ri塊的編碼F(Ri)等共3步.圖像最外一圈的Ri塊的編碼無定義.對于邊長為H的圖像,上述運算的時間復雜度為O(H2). 顯然,F(Ri)表示R-塊Ri的灰度與相鄰8個R-塊灰度的分布(序)關(guān)系,體現(xiàn)了圖像灰度的相對值,因此對整體灰度值的變化具有相對的穩(wěn)定性.通過對R-塊尺寸k的選擇,可以改變圖像

11、處理粒度的大小,以改變抵抗不同頻率噪聲的能力. 2 特征的匹配過程 定義3. 在待搜索圖S上以模板T的長、寬為橫向、縱向步長,從S的左上角開始按模板T的大小劃分S得到的子圖稱為限制塊,記作Ci, j,其中(i,j)為限制塊左上角頂點在搜索圖S上的坐標.這樣劃分后,如果在搜索圖S的右側(cè)或底部有剩余部分,則相應地從S的最右側(cè)開始向左,或從最底部開始向上劃分出一列或一行限制塊,使得全部限制塊可以完全覆蓋搜索圖S.這樣得到的圖S上的限制塊的數(shù)量為M2/H2。定義4. 限制塊Ci,j與模板T都是尺寸為N×N的圖像,各自的R-塊特征集合 用(N/k)階方陣A(Ci,j)與A(T)表示,稱為特征編

12、碼矩陣,這里k為R-塊的邊長.在Ci,j與T作特征比較時,即比較A(T)每一個元素與A(Ci,j)中每一個元素是否相等,如果相等,則記下矩陣A(Ci,j)中的行號、列號.三應用程序設(shè)計：1數(shù)字圖像匹配相關(guān)函數(shù)：imread函數(shù)功能：從圖像文件(BMP,HDF,JPEG,PCX,TIFF,XWD等格式)中讀入圖像數(shù)據(jù)。格式：A=imread(文件名，圖像文件格式)說明:文件名為指定圖像文件名稱的字符串。圖像文件格式為圖像文件格式的字符串。文件名必須在當前目錄或MATLAB路徑中，如果找不到則錄找文件名.圖像文件格式.A為無符號8位整數(shù)(uint8)。如果文件灰度圖像(詳細解釋見“算法設(shè)計”中的“

13、概念解釋”)，則A為一個二維數(shù)組；如果文件是一個真彩色RGB圖像，則A是一個三維數(shù)組（m×n×3）。舉例：A=imread(E:temp_picture.jpg);%讀取存放在E盤下的名為temp_picture.jpg的圖像，并將其整個點陣數(shù)據(jù)傳給A注：在MATLAB中申請一個變量時不需要指定類型，其具體類型由系統(tǒng)自動判別imwrite函數(shù)功能：交圖像寫入圖像文件（以BMP,HDF,JPEG,PCX,TIFF,XWD等格式）。格式：imwrite(A,文件名，圖像文件格式)說明：文件名為指定圖像文件名稱的字符串。圖像文件格式是指定圖像文件的保存格式的字符串。如果A是一個無

14、符號8位整數(shù)表示的灰度圖像或真彩色圖像，imwrite直接交數(shù)組A中的值寫入文件。如果A為雙精度浮點數(shù)，imwrite首先使用uint8(round(255*A)自動將數(shù)組中的值變換為無符號8位整數(shù)，即交0，1范圍內(nèi)的浮點數(shù)變換為0，255范圍內(nèi)8位整數(shù)，然后寫入文件。imshow函數(shù)功能：圖像顯示格式：imshow(I)說明：在圖形窗口顯示I，其中I為用imread函數(shù)賦值的變量,是一個圖形矩陣。rgb2gray函數(shù)功能：轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。格式：I = rgb2gray(RGB)說明：RGB為用imread函數(shù)賦值的變量,是一個圖形矩陣；I為一個表示灰度圖像的二維數(shù)組。i

15、mcrop函數(shù)功能：圖像剪裁格式：:I2=imcrop(I):I2=imcrop(I,RECT)說明：格式為交互方式，imcrop顯示輸入圖像，等待用戶用鼠標定義要剪裁的矩形。格式為非交互方式，對灰度圖像進行非交互方式的剪裁操作，通過四元素向量RECT=xmin ymin width height指定剪裁矩陣，這些值是定義在坐標系中的，xmin和ymin是圖像矩陣I的一處坐標，width是以此坐標為準向右的延伸的長度，height是以此坐標為準向下延伸的長度，由此構(gòu)成要剪裁的矩形區(qū)域。size函數(shù)功能：用來求出某一個變量的的大小參數(shù)格式:x,y=size(I)說明：I用imread函數(shù)賦值的變

16、量,是一個圖形矩陣且為灰度圖像，x用來保存I的高度值，y用來保存I的寬度值。2數(shù)字圖像匹配函數(shù)：(1) 基于灰度的摸板匹配算法mean2函數(shù)功能：求圖像均值格式：m=mean2(A)說明：mean2函數(shù)可用來計算圖像矩陣A的均值m,m是雙精度標量。舉例：I=imread(temp_picture.jpg); m=mean2(I)運行結(jié)果：m=107.6755corr2函數(shù)功能：求圖像間相關(guān)系數(shù)格式：r=cor2(A,B)說明：corr2函數(shù)計算圖像矩陣A與B的相關(guān)系數(shù)，矩陣A與B的大小相同，如均為：m×n。計算公式如下：其中， =mean2(A), =mean2(B)。相關(guān)系數(shù)是表示

17、矩陣A與B的線性聯(lián)系密切程度的一個統(tǒng)計量，相關(guān)系數(shù)值是小于等于1的正數(shù)。值為1時，表示矩陣A與B的線性聯(lián)系最為密切,值為0時，表示矩陣A與B不相關(guān)，線性聯(lián)系最最弱。舉例：I=imread(temp_picture.jpg);C=corr2(I,I);運行結(jié)果如下：C=1plot函數(shù)功能：在線性坐標系中繪制二維數(shù)據(jù)格式：plot(x,y,顏色)說明：x,y可以為任意一個失量。舉例：plot(1:100,4,'r');%在縱坐標為4處畫一條平行于x軸，長度為100的紅色的線段 %其中1:100表示從1到100以默認值為1的速度遞增,r表示紅色hold命令功能：可以交圖形添加到現(xiàn)有的

18、圖形中，從而實現(xiàn)圖形的疊加。如果交hold設(shè)置為ON，則MATLAB在繪圖時交不再清除已經(jīng)存在的圖形，而是交新的數(shù)據(jù)直接加到當前圖形中。當新的數(shù)據(jù)落在原來的坐標范圍之外時，MATLAB交自動進行坐標比例的調(diào)整。testpipei_1功能：實現(xiàn)兩幅數(shù)字圖像的匹配實現(xiàn)細節(jié)：:讀取原圖像(搜索圖)和匹配圖像（模板圖）yuantu=imread('E:P1010813.jpg');%讀取原圖像pipeitu=imread('afterCut.jpg');%讀取匹配圖像:將原圖像和匹配圖像灰度化，以便于計算yuantu2gray=rgb2gray(yuantu);%將原圖

19、灰度化pipeitu2gray=rgb2gray(pipeitu);%將匹配圖灰度化: 獲取原圖像和匹配圖像的尺寸pipei_height,pipei_width=size(pipeitu2gray);%獲取匹配圖象的大小尺寸，其值為高，寬,將匹配圖象的長度值賦給pipei_width,將匹配圖象的寬度值賦給pipei_lenthyuantu_height,yuantu_width=size(yuantu2gray);%獲取原圖象的大小尺寸，其值為高，寬,將原圖象的長度值賦給pipei_width,將原圖象的寬度值賦給pipei_lenth:顯示出原圖，并調(diào)用hold on命令，以實現(xiàn)以后在原

20、圖像上做標記imshow(yuantu);%顯示原圖像 hold on;:在原圖像上進行掃描，橫坐標到原圖像的寬度減去匹配圖的寬度，縱坐標到原圖像高度減去匹配圖的高度；對于原圖像上掃描到的每個像素點，以此像素點的坐標為準，剪裁(參見imcrop函數(shù)說明)出一個大小和匹配圖大小一樣的矩陣，此像素點為該矩陣的左上角第一個像素；對這個臨時矩陣和匹配圖像的矩陣取相關(guān)系數(shù)值(參見corr2函數(shù)說明);規(guī)定相關(guān)系數(shù)的值（我設(shè)為0.9）,如果取得的相關(guān)系數(shù)值大于規(guī)定值，可認為在以此坐標為左上角第一個像素的臨時矩陣和匹配圖矩陣是相匹配的；如果在此坐標下是匹配的話，則以此為左上角，將匹配區(qū)域標記出來。for i

21、=1:yuantu_height-pipei_height for j=1:yuantu_width-pipei_width temp_picture=imcrop(yuantu2gray,j,i,pipei_width-1,pipei_height-1); r=corr2(temp_picture,pipeitu2gray);%取得相關(guān)系數(shù) if r>0.9%規(guī)定值為0.9 %下面用plot函數(shù)在原圖的坐標系上畫出匹配區(qū)域 plot(j:j+pipei_width,i,'r'); plot(j:j+pipei_width,i+pipei_height,'r

22、9;); plot(j,i:i+pipei_height,'r'); plot(j+pipei_width,i:i+pipei_height,'r'); end endend(2) 基于灰度的快速模板匹配算法dec2bin函數(shù)功能：十進制數(shù)轉(zhuǎn)換成二進制數(shù)格式：A=dec2bin(B,位數(shù))說明：B為十進制數(shù)，A為轉(zhuǎn)換后的二進制序列，位數(shù)為A的二進制位數(shù)。舉例：A=dec2bin(13,5)%將13轉(zhuǎn)換為5位的二進制運行結(jié)果：A =01101bin2dec函數(shù)功能：二進制數(shù)轉(zhuǎn)換成十進制數(shù)格式：A=bin2dec(B)說明：B為二進制序列，A為轉(zhuǎn)換后的十進制數(shù)。舉例

23、：C=bin2dec('0101101')%將二進制為0101101的序列轉(zhuǎn)化為十進制運行結(jié)果：C = 45getOrder函數(shù)功能：根據(jù)輸入的四項參數(shù)的大小順序，返回一個5位二進制的編碼格式：shunxu=getOrder(temp_shunxu_1,temp_shunxu_2,temp_shunxu_3,temp_shunxu_4)舉例：T=getOrder(32,13,56,42)運行結(jié)果：T= 10000gettezheng函數(shù)功能：根據(jù)特征塊的左上角坐標得出該特征塊的特征值，特征值的定義詳見基于灰度的快速匹配算法中的定義2。格式：tezheng=gettezheng(

24、i,j,I,k)說明：i,j為特征塊左上角的橫坐標與衷縱坐標，I為圖像矩陣，k為最佳分塊標準值min函數(shù)功能：求向量中的最小值格式：A=min(B)說明：B為一個向量，A中保存的是B中的最小值舉例：A=min(12 32 45 66 2 3)運算結(jié)果:A= 2max函數(shù)功能：求向量中的最大值格式：A=max(B)說明：B為一個向量，A中保存的是B中的最大值舉例：A=max(12 32 45 66 2 3)運算結(jié)果:A= 66sum函數(shù)功能：求向量中和格式：A=sumB)說明：B為一個向量，A中保存的是B中的和舉例：A=sum(12 32 45 66 2 3)運算結(jié)果:A= 160testpip

25、ei_2函數(shù)實現(xiàn)細節(jié)：:讀取原圖像(搜索圖)和匹配圖像（模板圖）yuantu=imread('E:P1010813.jpg');%讀取原圖像pipeitu=imread('afterCut.jpg');%讀取匹配圖像:將原圖像和匹配圖像灰度化，以便于計算yuantu2gray=rgb2gray(yuantu);%將原圖灰度化pipeitu2gray=rgb2gray(pipeitu);%將匹配圖灰度化: 獲取原圖像和匹配圖像的尺寸及分塊標準值pipei_height,pipei_width=size(pipeitu2gray);%獲取匹配圖象的大小尺寸，其值為高

26、，寬,將匹配圖象的長度值賦給pipei_width,將匹配圖象的寬度值賦給pipei_lenthyuantu_height,yuantu_width=size(yuantu2gray);%獲取原圖象的大小尺寸，其值為高，寬,將原圖象的長度值賦給pipei_width,將原圖象的寬度值賦給pipei_lenthtemp_min=min(pipei_height,pipei_width);%取兩個邊中最短的一條邊k=fix(temp_min/5);%以分成3×3特征塊為基準，得出最佳分塊標準值:計算及記錄匹配圖的9個特征塊的信息；顯示出原圖，并調(diào)用hold on命令，以實現(xiàn)以后在原圖像上

27、做標記 for t=1:3%去掉外圍的一圈 for s=1:3%取順時針為正方向 temp_pipeitu(t,s)=bin2dec(gettezheng(t,s,pipeitu2gray,k); %將二進制編碼值（特征塊值）以十進制的形式保存在3×3的矩陣中的對應位置 end; end; imshow(public_A); hold on;:在原圖像上進行掃描，橫坐標到原圖像的寬度減去匹配圖的寬度，縱坐標到原圖像高度減去匹配圖的高度；對于原圖像上掃描到的每個像素點，以此像素點的坐標為準，剪裁(參見imcrop函數(shù)說明)出一個大小和匹配圖大小一樣的矩陣，此像素點為該矩陣的左上角第一個

28、像素；對這個臨時矩陣進行特征值提取，并和匹配圖的特征值進行比較，如果特征塊的匹配數(shù)大于一定數(shù)（我設(shè)定為大于等于8）,可認為在以此坐標為左上角第一個像素的臨時矩陣和匹配圖矩陣是相匹配的；如果在此坐標下是匹配的話，則以此為左上角，將匹配區(qū)域標記出來。 r=0; for t=1:3 %去掉外圍的一圈 for s=1:3 %取順時針為正方向 temp_pipeitu_te=temp_pipeitu(t,s); temp_yuantu_te=bin2dec(gettezheng(t,s,temp_picture,k); if temp_pipeitu_te=temp_yuantu_te%如果特征值相同，

29、r就加1 r=r+1; else break; end; end; if r=0 break; end; end; if r>=8%下面用plot函數(shù)在原圖的坐標系上畫出匹配區(qū)域 plot(j:j+pipei_width,i,'r'); plot(j:j+pipei_width,i+pipei_height,'r'); plot(j,i:i+pipei_height,'r'); plot(j+pipei_width,i:i+pipei_height,'r'); end endend3GUI界面設(shè)計： 本程序采用交互式來演示圖像匹配過程，GUI采用MATLAB 7.1自帶的GUI界面編輯器。主要涉及圖像顯示，各個功能按鈕對顯示的圖像所進行的操作（如：放大，縮小，旋轉(zhuǎn)和圖像匹配），文件對話框（用來讀取和保存圖像）。 uigetfile函數(shù)功能：打開磁盤內(nèi)的文件格式:pname,adrname=uigetfile(格式,名稱)說明：pname為選擇的文件名，adrname為路徑;uigetfile通常和if exist(文件名)連用，如果存在