2025年传统图像处理之模板匹配算法

科技前沿 • 2025-04-07 10:03 • 阅读 45

大家好，我是讯享网，很高兴认识大家。

一、参考资料

模板匹配(二)

通俗来讲，模板匹配是以图搜图，在整个图像区域找到与给定子图像匹配的小块区域。

TODO

Image Matching Algorithm Based on Grayscale and Its Improvement

模板图像未经过任何预处理，直接取其像素值在原始图像上进行相关操作。

优点：速度快。

缺点：基于灰度的模板匹配对光照、亮度变化敏感，匹配的鲁棒性不强。

Edge Based Template Matching

基于边缘的模板匹配，又称为基于梯度值的模板匹配。

对模板图和原始图分别计算其对应的梯度图，通过梯度图进行相关计算。

模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

在待检测图像上，从左到右，从上到下，计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。

本章节，以图像数字化演示模板匹配的计算过程。

假设，基准图像矩阵G：
在这里插入图片描述

模板图像矩阵T为：
在这里插入图片描述

模板图像矩阵T中心点5，从基准图像矩阵G起点(0,0)开始，从左往右，从上往下，依次进行运算，越界部分padding补零。
在这里插入图片描述

$G s (0, 0) = 0 * 1 + 0 * 2 + 0 * 3 + 0 * 4 + 0 * 5 + 0 * 6 + 0 * 7 + 0 * 8 + 1 * 9 = 9$

$G s (0, 1) = 0 * 1 + 0 * 2 + 0 * 3 + 0 * 4 + 0 * 5 + 0 * 6 + 0 * 7 + 1 * 8 + 2 * 9 = 26$
……
计算所有的相关系数矩阵Gs :
在这里插入图片描述

通过相关系数矩阵Gs可以看出，矩阵中最大参数值为285，最大参数值对应模板匹配的中心位置点，其绿色线框为模板匹配结果。
在这里插入图片描述