第8章 图象的检测及模板匹配文档格式.docx
《第8章 图象的检测及模板匹配文档格式.docx》由会员分享，可在线阅读，更多相关《第8章 图象的检测及模板匹配文档格式.docx（12页珍藏版）》请在冰点文库上搜索。
算法共有三个：
投影法、差影法和模板匹配。
8.1投影法
在介绍投影法之前，我先出一道题目，下面的这幅照片是著名的华盛顿纪念碑（我记得在“阿甘正传”中曾经看到过它），怎样从图中自动检测到水平方向上纪念碑的位置。
仔细观察，不难发现，纪念碑上象素的灰度都差不多而且与众不同，如果我们选取合适的阈值，做削波处理（这里选175到220），将该图二值化，如图8.3所示：
图8.3
华盛顿纪念碑
图8.4
削波处理，将图8.3二值化
由于纪念碑所在的那几列的白色点比起其他列多很多，如果把该图在垂直方向做投影，如图8.5所示。
图8.5
图8.4做垂直方向投影
其中，黑色线条的高度代表了该列上白色点的个数。
图中间的高峰部分就是我们要找的水平方向上纪念碑所在的位置，这就是投影法。
可以看出投影法是一种很自然的想法，有点象灰度直方图。
为了得到更好的效果，投影法经常和阈值化一起使用。
由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声。
以下是投影法的源程序，第二个参数是个BOOL变量，为真时表示在水平方向上做投影，否则在垂直方向上做投影。
要注意的是，我们针对的虽然是二值图，但为了处理的方便，用的是256级灰度图，不过只用到了0和255两种灰度级。
BOOLProjection（HWNDhWnd,BOOLHori）
{
DWORD
OffBits,BufSize;
LPBITMAPINFOHEADER
lpImgData;
LPSTR
lpPtr;
HLOCAL
hTempImgData;
LPBITMAPINFOHEADER
lpTempImgData;
LPSTR
lpTempPtr;
HDC
hDc;
HFILE
hf;
LONG
x,y;
int
num;
//用的是256级灰度图，不过只用到了0和255两种灰度级。
if（NumColors!
=256）{
MessageBox（hWnd,"
Mustbeamonobitmapwithgrayscalepalette!
"
ErrorMessage"
MB_OK|MB_ICONEXCLAMATION）;
returnFALSE;
}
//到位图数据的偏移值
OffBits=bf.bfOffBits-sizeof（BITMAPFILEHEADER）;
//缓冲区大小
BufSize=OffBits+bi.biHeight*LineBytes;
//为新图缓冲区分配内存
if（（hTempImgData=LocalAlloc（LHND,BufSize））==NULL）
Errorallocmemory!
"
MB_OK|MB_ICONEXCLAMATION）;
returnFALSE;
}
lpImgData=（LPBITMAPINFOHEADER）GlobalLock（hImgData）;
lpTempImgData=（LPBITMAPINFOHEADER）LocalLock（hTempImgData）;
//新图缓冲区初始化为255
memset（lpTempImgData,（BYTE）255,BufSize）;
//拷贝头信息
memcpy（lpTempImgData,lpImgData,OffBits）;
if（Hori）
{
//水平投影
for（y=0;
y<
bi.biHeight;
y++）{
lpPtr=（char*）lpImgData+（BufSize-LineBytes-y*LineBytes）;
num=0;
//计数器初始化为0
for（x=0;
x<
bi.biWidth;
x++）
if（*（lpPtr++）!
=0）//是白点
num++;
//计数器加1
lpTempPtr=（char*）lpTempImgData+（BufSize-LineBytes-y*LineBytes）;
num;
*（lpTempPtr++）=0;
//在新图中，该行中共有num个黑点
else{//垂直投影
x++）{
lpPtr=（char*）lpImgData+（BufSize-LineBytes）+x;
if（*lpPtr!
=0）
lpPtr-=LineBytes;
lpTempPtr=（char*）lpTempImgData+OffBits+x;
*lpTempPtr=0;
//在新图中，该列中共有num个黑点
lpTempPtr+=LineBytes;
if（hBitmap!
=NULL）
DeleteObject（hBitmap）;
hDc=GetDC（hWnd）;
//创立一个新的位图
hBitmap=CreateDIBitmap（hDc,（LPBITMAPINFOHEADER）lpTempImgData,
（LONG）CBM_INIT,
（LPSTR）lpTempImgData+
sizeof（BITMAPINFOHEADER）+
NumColors*sizeof（RGBQUAD）,
（LPBITMAPINFO）lpTempImgData,
DIB_RGB_COLORS）;
//起不同的结果文件名
hf=_lcreat（"
c:
\\hproject.bmp"
0）;
else
\\vproject.bmp"
_lwrite（hf,（LPSTR）&
bf,sizeof（BITMAPFILEHEADER））;
_lwrite（hf,（LPSTR）lpTempImgData,BufSize）;
_lclose（hf）;
//释放内存和资源
ReleaseDC（hWnd,hDc）;
LocalUnlock（hTempImgData）;
LocalFree（hTempImgData）;
GlobalUnlock（hImgData）;
returnTRUE;
8.2差影法
差影法的原理非常简单：
将前后两幅图象相减，得到的差作为结果结果图象。
图8.6、图8.7、图8.8能够说明差影法的原理。
图8.6
前景+背景
图8.7
背景
图8.8图8.6、图8.7
相减的结果
图8.6是前景图（猫）加背景图（木星）。
图8.7是背景图。
图8.6减图8.7的结果如图8.8所示，这样就得到了前景（不完全是前景，因为背景的灰度值并不为零，但至少可以得到前景的形状）。
差影法是非常有用的，比如说可以用在监控系统中。
在银行金库内，摄像头每隔一小段时间，拍摄一幅图，与上一幅图做差影；
如果差别超过了预先设置的阈值，说明有人，这时就应该拉响警报。
我们在介绍灰度窗口变换时，曾经提到了电影“阿甘正传”特技中应用了“蓝幕”技术，其实也包含了差影法的原理。
以下是差影法的源程序。
要注意的是，第一幅图的文件名为c:
\test.bmp，第二幅图的文件名是c:
\backgnd.bmp。
它们有着相同的灰度值和调色板。
执行时，这两个文件都已经准备好。
我们针对的虽然是二值图，但为了处理的方便，用的是256级灰度图，不过只用到了0和255两种灰度级。
BOOLSubtraction（HWNDhWnd）
DWORD
HGLOBAL
hSecond;
lpSecondImgData;
lpSecondPtr;
HDC
num,pos;
MessageBox（hWnd,"
if（（hf=_lopen（"
\\backgnd.bmp"
OF_READ））==HFILE_ERROR）{
//背景图没找到
Filec:
\\backgnd.bmpnotfound!
//为背景图的数据分配内存
if（（hSecond=GlobalAlloc（GHND,BufSize））==NULL）
//指向该内存指针
lpSecondImgData=（LPBITMAPINFOHEADER）GlobalLock（hSecond）;
//文件指针指到BITMAPINFOHEADER结构开始的地方
_llseek（hf,sizeof（BITMAPFILEHEADER）,FILE_BEGIN）;
//读入头信息和位图数据
_lread（hf,（LPSTR）lpSecondImgData,BufSize）;
//为结果图缓冲区分配内存
GlobalUnlock（hSecond）;
GlobalFree（hSecond）;
pos=（BufSize-LineBytes-y*LineBytes）;
//lpPtr指向第一幅图，lpSecondPtr指向第二幅图，lpTempPtr指向结果图
lpPtr=（char*）lpImgData+pos;
lpSecondPtr=（char*）lpSecondImgData+pos;
lpTempPtr=（char*）lpTempImgData+pos;
num=（unsignedchar）*（lpPtr++）;
num-=（unsignedchar）*（lpSecondPtr++）;
*（lpTempPtr++）=（unsignedchar）fabs（num）;
//两者相减取绝对值，存入新图中
if（hBitmap!
NumColors*sizeof（RGBQUAD）,
（LPBITMAPINFO）lpTempImgData,
hf=_lcreat（"
\\subtract.bmp"
8.3模板匹配
利用模板匹配可以在一幅图象中找到已知的物体。
比如抓拍到了一张射门的照片，要在该照片中找到足球的位置。
这时就可以采用模板匹配的方法。
所谓模板匹配，其实想法很简单：
拿已知的模板（在本例中为足球的图象），和原图象中同样大小的一块区域去对。
最开始时，模板的左上角点和图象的左上角点是重合的，拿模板和原图象中同样大小的一块区域去对比，然后平移到下一个象素，仍然进行同样的操作，……所有的位置都对完后，差别最小的那块就是我们要找的物体。
我们用平方误差之和来衡量原图中的块和模板之间的差别。
假设模板的大小为m×
n（宽×
高）；
图象的大小为Width×
Height。
模板中的某点坐标为（x0,y0），该点的灰度为U（x0,y0）；
与之重合的图象中的点坐标为（X0-x0,Y0-y0），该点的灰度为V（X0-x0,Y0-y0）。
则一次匹配的结果为：
全部图象都匹配后，找到最小的即为结果。
可以看到模板匹配的运算量是惊人的。
一次匹配都要做m×
n次减法，m×
n次平方，m×
n-1次加法，整个图象要匹配（Width-m+1）×
（Height-n+1）次。
源程序不再给出，有兴趣的读者可以自己完成。
TheUniversityofSouthernCaliforniadoesnotscreenorcontrolthecontentonthiswebsiteandthusdoesnotguaranteetheaccuracy,integrity,orqualityofsuchcontent.Allcontentonthiswebsiteisprovidedbyandisthesoleresponsibilityofthepersonfromwhichsuchcontentoriginated,andsuchcontentdoesnotnecessarilyreflecttheopinionsoftheUniversityadministrationortheBoardofTrustees
升级会员 