一、简介
1.模板匹配基本原理概述
当我们比较两幅图像的时候,首先面对的基本问题是:什么时候
两幅图像才是一样或比较相似的,这两幅图像的相似程度如何衡量?
当然,比较一般的方法是,当两幅图像的所有像素灰度值一样的时候,
我们认为这样幅图是一样的。这种比较方法在某些特定的应用领域是
可行的,比如在恒定光照环境和相机内部环境下,检测连续两帧图像
的变化。简单的比较像素之间的差值在大多数应用场合下是不太合适
的。噪声、量化误差、微小的光照变化、极小的平移或旋转在两幅图
像像素简单差值的时候将产生较大的像素差值,但是人眼观察看来,
两幅图像仍然是一样的。显然,人类知觉能够感应更为广泛的相似性
内容,即使在单个像素差值较大的情况下,也能够利用诸如结构和图
像内容来识别两幅图像的相似性。在结构或语义层面比较图像是一个
比较困难的问题,同时也是一个比较有趣的研究领域。
在这我们介绍的是一种在像素层面相对简单的图像比较方法。即
在一幅较大图像定位一幅给定的子图像-----模板图像,即通常所说的
模板匹配。这种情况经常发生,比如在一个图像场景中定位一个特定
的物体,或者是在图像序列中追踪最某些特定模式。模板匹配的基本
原理很简单:在待搜寻的图像中,移动模板图像,在每一个位置测量
待搜寻图像的子图像和模板图像的差值,当相似度达到最大时,记录
其相应的位置。但实际情况却不是这么简单,如何选取合适的距离测