說明分析匹配

1、匹配MatchTemplate比較模板和的圖像區(qū)域void cvMatchTemplate( const CvArr* image, constCvArr* templ,CvArr* result,method );image欲搜索的圖像。它應(yīng)該是單通道、8-比特或 32-比特 浮點(diǎn)數(shù)圖像templ搜索模板，不能大于輸入圖像，且與輸入圖像具有一樣的數(shù)據(jù)類型result圖像。單通道、32-比特浮點(diǎn)數(shù). 如果圖像比較結(jié)果的是 WH 而 templ 是 wh ，則 result 一定是 (W-w+1）( H-h+1）.method指定匹配方法：函數(shù) cvMatchTemplate 與函數(shù) cvCal

2、cBackProjectPatch類似。它滑動過整個圖像 image, 用指定方法比較 templ與圖像尺寸為 wh 的區(qū)域，并且將比較結(jié)果存到result 中。 下面是不同的比較方法，可以使用其中的一種 (I 表示圖像，T - 模板, R - 結(jié)果. 模板與圖像區(qū)域 x=0.w-1, y=0.h-1 之間求和):method=CV_TM_SQDIFF:2R(x,y)=sumx,yT(x,y)-I(x+x,y+y)method=CV_TM_SQDIFF_NORMED:2R(x,y)=sumx,yT(x,y)-I(x+x,y+y) /sqrtsumx,yT(x,y)2sumI(x+x,y+y)2

3、x,ymethod=CV_TM_CCORR:R(x,y)=sumx,yT(x,y)I(x+x,y+y)method=CV_TM_CCORR_NORMED:R(x,y)=sumx,yT(x,y)I(x+x,y+y)/sqrtsumx,yT(x,y)2sumI(x+x,y+y)2x,ymethod=CV_TM_CCOEFF:R(x,y)=sumx,yT(x,y)I(x+x,y+y),where T(x,y)=T(x,y) -1/(wh)sumx,yT(x,y)(mean template brightness=0)I(x+x,y+y)=I(x+x,y+y) -1/(wh)sumx,yI(x+x,y

4、+y)(mean patchbrightness=0)method=CV_TM_CCOEFF_NORMED:R(x,y)=sumx,yT(x,y)I(x+x,y+y)/sqrtsumx,yT(x,y)2sumI(x+x,y+y)2x,y函數(shù)完成比較后，通過使用 cvMaxLoc 找全局最小值CV_TM_SQDIFF*) 或者最大值 (CV_TM_CCORR* andCV_TM_CCOEFF*)。MatchShs比較兩個形狀double cvMatchShs( const void* object1, constvoid* object2,method, doubleparameter=0 );

5、object1第一個輪廓或灰度圖像object2第二個輪廓或灰度圖像method比較方法，其中之一 CV_CONTOUR_MATCH_I1,CV_CONTOURS_MATCH_I2orCV_CONTOURS_MATCH_I3.parameter比較方法的參數(shù)(目前不用).函數(shù) cvMatchShs 比較兩個形狀。三個實現(xiàn)方法全部使用 Hu 矩 (見cvGetHuMoments)(Aobject1,B-object2):method=CV_CONTOUR_MATCH_I1:ABI1(A,B)=sumi=1.7abs(1/m i1/m i)-method=CV_CONTOUR_MATCH_I2:A

6、BI2(A,B)=sumi=1.7abs(m im i)-method=CV_CONTOUR_MATCH_I3:ABAI3(A,B)=sumi=1.7abs(m im i)/abs(m i)-其中mAAAi=sign(h i)log(h i),mBBBi=sign(h i)log(h i),hABi, h i- A 和 B 的 Hu 矩.CalcEMD2兩個點(diǎn)集之間計算最小工作距離float cvCalcEMD2( const CvArr* signature1,constCvArr* signature2,distance_type,CvDistanceFunctiondistance_fu

7、nc=NULL, const CvArr* cost_matrix=NULL,CvArr* flow=NULL, float*lower_bound=NULL, void* userdata=NULL );typedef float (*CvDistanceFunction)(const float* f1,const float* f2, void* userdata);signature1第一個簽名，大小為 size1(dims+1) 的浮點(diǎn)數(shù)矩陣，每一行依次點(diǎn)的權(quán)重和點(diǎn)的坐標(biāo)。矩陣允許只有一列（即僅重），如果使用用戶自定義的代價矩陣。signature2第 二 個 簽 名 ， 與sign

8、ature1的 格 式 一 樣size2(dims+1)，盡管行數(shù)可以不同(列數(shù)要相同)。當(dāng)一個額外的虛擬點(diǎn)加入 signature1 或 signature2 中的時候，權(quán)重也可不同。distance_type使用的準(zhǔn)則， CV_DIST_L1, CV_DIST_L2, 和 CV_DIST_C 分別為標(biāo)準(zhǔn)的準(zhǔn)則。 CV_DIST_USER 意味著使用用戶自定義函數(shù) distance_func 或預(yù)先計算好的代價矩 陣cost_matrix 。distance_func用戶自定義的距離函數(shù)。用兩個點(diǎn)的坐標(biāo)計算兩點(diǎn)之間的距離。cost_matrix自定義大小為 size1size2 的代價矩陣。

9、 cost_matrix和 distance_func 兩者至少有一個必須為 NULL. 而且，如果使用代價函數(shù)，下邊界無法計算，因為它需要準(zhǔn)則函數(shù)。flow產(chǎn)生的大小為 size1size2流矩陣（flow matrix）: flowij是從 signature1 的第 i 個點(diǎn)到 signature2 的第 j 個點(diǎn)的流(flow)。lower_bound可選的輸入/輸出參數(shù)：兩個簽名之間的距離下邊界，是兩個質(zhì)心之間的距離。如果使用自定義代價矩陣，點(diǎn)集的所重不等，或者有簽名只包含權(quán)重（即該簽名矩陣只有單獨(dú)一列），則下邊界也許不會計算。用戶必須初始化*lower_bound.如 果 質(zhì) 心 之 間 的 距 離 大 于 獲 等于 *lower_bound (這意味著簽名之間足夠遠(yuǎn)）， 函數(shù)則不計算 EMD. 任何情況下，函數(shù)返回時 *lower_bound 都被設(shè)置為計算出來的質(zhì)心距離。因此如果用戶想同時計算質(zhì)心距離和 T EMD, *lower_bound 應(yīng)該被設(shè)置為 0.userdata傳輸?shù)阶远x距離函數(shù)的可選數(shù)據(jù)指針函數(shù) cvCalcEMD2 計算兩個點(diǎn)集之間的移動距離或距離下界。在 RubnerSept98 中所描述的其