第8章 图象的检测及模板匹配.docx
《第8章 图象的检测及模板匹配.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.docx（10页珍藏版）》请在冰豆网上搜索。
第8章图象的检测及模板匹配
第8章图象的检测及模板匹配
图象的分割与检测（识别）实际上是一项非常困难的工作。
很难说清楚为什么图象应该分割成这样而不是那样。
人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力地跟上每秒好几十帧变化的图象。
举两个例子来说明一下人类视觉系统的优越性。
图8.1 单词THE
图8.2 看不见的三角
图8.1是单词THE，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。
在我们人类看来很简单的一件事，让计算机来做就很困难了。
图8.2中尽管没有任何线条，但我们还是可以很容易的看出中间存在着一个白色三角形。
计算机却很难发现。
由于人类在观察图象时适用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人类视觉系统的水平。
正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时。
目前只有少数的几个领域（如印刷体识别OCR）自动识别达到了实用的水平。
也许算是题外话，我们可以憧憬这样一种应用：
基于内容的搜索。
在一场足球比赛的录象中，用户可以输入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上。
目前，我们能从一幅图象中获得的信息只是每个象素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。
所以说解决图象分割和检测最根本的方法是在编码（成象）时就给予考虑。
这也正是MPEG4及未来的视频压缩编码标准的主要工作。
正因为有上述的困难，所以我们今天要介绍的只是一些最基本，最简单的算法和思想，针对也只能是一些具体（而不是通用）的应用。
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）
{
MessageBox（hWnd,"Errorallocmemory!
","ErrorMessage",
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 lpPtr=（char*）lpImgData+（BufSize-LineBytes-y*LineBytes）;
num=0;//计数器初始化为0
for（x=0;x if（*（lpPtr++）!
=0）//是白点
num++;//计数器加1
lpTempPtr=（char*）lpTempImgData+（BufSize-LineBytes-y*LineBytes）;
for（x=0;x *（lpTempPtr++）=0;//在新图中，该行中共有num个黑点
}
}
else{//垂直投影
for（x=0;x num=0;//计数器初始化为0
lpPtr=（char*）lpImgData+（BufSize-LineBytes）+x;
for（y=0;y if（*lpPtr!
=0）
num++;//计数器加1
lpPtr-=LineBytes;
}
lpTempPtr=（char*）lpTempImgData+OffBits+x;
for（y=0;y *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
if（Hori）
hf=_lcreat（"c:
\\hproject.bmp",0）;
else
hf=_lcreat（"c:
\\vproject.bmp",0）;
_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 OffBits,BufSize;
LPBITMAPINFOHEADER lpImgData;
LPSTR lpPtr;
HGLOBAL hSecond;
LPBITMAPINFOHEADER lpSecondImgData;
LPSTR lpSecondPtr;
HLOCAL hTempImgData;
LPBITMAPINFOHEADER lpTempImgData;
LPSTR lpTempPtr;
HDC hDc;
HFILE hf;
LONG x,y;
int num,pos;
//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;
}
if（（hf=_lopen（"c:
\\backgnd.bmp",OF_READ））==HFILE_ERROR）{
//背景图没找到
MessageBox（hWnd,"Filec:
\\backgnd.bmpnotfound!
","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;
//为背景图的数据分配内存
if（（hSecond=GlobalAlloc（GHND,BufSize））==NULL）
{
MessageBox（hWnd,"Errorallocmemory!
","ErrorMessage",
MB_OK|MB_ICONEXCLAMATION）;
_lclose（hf）;
returnFALSE;
}
//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）;
_lclose（hf）;
//为结果图缓冲区分配内存
if（（hTempImgData=LocalAlloc（LHND,BufSize））==NULL）
{
MessageBox（hWnd,"Errorallocmemory!
","ErrorMessage",
MB_OK|MB_ICONEXCLAMATION）;
GlobalUnlock（hSecond）;
GlobalFree（hSecond）;
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）;
for（y=0;y 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;
for（x=0;x 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!
=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）;
hf=_lcreat（"c:
\\subtract.bmp",0）;
_lwrite（hf,（LPSTR）&bf,sizeof（BITMAPFILEHEADER））;
_lwrite（hf,（LPSTR）lpTempImgData,BufSize）;
_lclose（hf）;
//释放内存和资源
ReleaseDC（hWnd,hDc）;
GlobalUnlock（hSecond）;
GlobalFree（hSecond）;
LocalUnlock（hTempImgData）;
LocalFree（hTempImgData）;
GlobalUnlock（hImgData）;
returnTRUE;
}
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 