图像相关性SSD算法.docx

1、图像相关性SSD算法以下内容是图像相关性方面设计算法的大体思路：图像相关性研究1.初始化一个图像窗口窗口构造中定义的字段：fenetre.centre=; %图像窗口中心位置坐标 i,jfenetre.taille=;%窗口大小fenetre.sommets=;%四个顶点的位置坐标 i,jfenetre.h; %比例因子fenetre.wind_coul % 三色图像区域的窗口框架矩阵fenetre.wind_coul(:,:,1) R fenetre.wind_coul(:,:,2)V fenetre.wind_coul(:,:,3) Bfenetre.wind_point % 两个矩阵与窗

2、口像素的横纵位置对应 fenetre.wind_point(:,:,1)像素的横坐标 i fenetre.wind_point(:,:,2)像素的纵坐标 jfenetre.wind_coul 和 fenetre.wind_point 的字段将会被函数InitFen初始化，这个函数可以显示图像和选择图像区域. 用户可以选择窗口的中心位置并手动确定其大小.中心，大小和位置将会被初始化:.fenetre=InitFen(fenetre,Image);figure(2)image(fenetre.wind_coul/255)目的是要在另一幅图中找到一个窗口或图像的一局部。我们将针对本研究，提供以下的书

3、籍封面。其他图像都是一样的，只是这些书发生了移动。初始图像 最后得到的图像效果在原始图像中，我们用鼠标选择我们想要创立的窗口，见下列图中的蓝色方框。在Matlab中，显示如下：选择中心：更新大小 X (指数j) : W C 更新大小 Y (指数i) : T U 输出: S 更新大小X (指数 j) : W C 更新大小Y (指数 i) : T U 输出: S 当按 C 时，窗口变长；当按 U 时，窗口变宽；当按 S 时，显示第二幅图像。% 初始化图像窗口 %clear allclose allfichier1=acquisition160.jpg;x1=imread(fichier1);fig

4、ure(1)imshow(x1);%示原始图像fenetre.centre=;fenetre.taille=;fenetre.sommets=;fenetre.niv=4;fenetre.h=0.5;fenetre=InitFen(fenetre,x1); % 创立窗口figure(2)image(fenetre.wind_coul/255); %显示带窗口的图像pause用户选择的参考窗口2. 相关我们测量一下原窗口与下面图像局部的差异。一种方法：f : 图像方程g : 参数窗口方程f 和 g 函数代表图像颜色，因此我们有3局部RVB 三色的概率.f=(fr, fv, fb) et g=(g

5、r, gv, gb). 当SSD最小时，我们得到(u*,v*) 的最正确答案：SSD函数为了实现彩色图像的功能，并提出一种算法来跟踪图像序列中的一个对象。%相关%min=1e8;fichier2=acquisition165.jpg;x2=imread(fichier2);fenetrei=fenetre;xx=fenetrei.centre(1)yy=fenetrei.centre(2);for i=1:1:20fenetrei.centre(1)=fenetrei.centre(1)-1;fenetrei.centre(2)=yy;for j=1:1:20 fenetrei.sommets

6、=;fenetrei.centre(2)=fenetrei.centre(2)-1;fenetrei=InitFen(fenetrei,x2);figure(3)clf;image(fenetrei.wind_coul/255)% pause(0.05)% 相关计算 %f1=fenetre.wind_coul(:,:,1);f2=fenetre.wind_coul(:,:,2);f3=fenetre.wind_coul(:,:,3);g1=fenetrei.wind_coul(:,:,1);g2=fenetrei.wind_coul(:,:,2);g3=fenetrei.wind_coul(:

7、,:,3);n,m=size(f1-g1);sommefg=(f1-g1).2+(f2-g2).2+(f3-g3).2;SSD(i,j)=sum(sum(sommefg);%计算 SSDif SSD(i,j)min fenetremin=fenetrei; %测试为了找到 SSD的最小值 min=SSD(i,j);endendend%显示相关矩阵图像非标准%figure(4);meshc(SSD);%显示相关图像误差 %erreur(:,:,1)=abs(fenetre.wind_coul(:,:,1)-fenetremin.wind_coul(:,:,1);erreur(:,:,2)=abs

8、(fenetre.wind_coul(:,:,2)-fenetremin.wind_coul(:,:,2);erreur(:,:,3)=abs(fenetre.wind_coul(:,:,3)-fenetremin.wind_coul(:,:,3);figure(5);imshow(erreur/255); 相关图像误差3.标准相关两幅图像之间亮度变化的方程：G(i,j)=a.f(i,j)+b标准方程如下：证明:Donc % 标准相关 %f1=mean(mean(fenetre.wind_coul(:,:,1);f2=mean(mean(fenetre.wind_coul(:,:,2);f3=

9、mean(mean(fenetre.wind_coul(:,:,3);Sf=sqrt(fenetre.wind_coul(:,:,1)-f1).2+(fenetre.wind_coul(:,:,2)-f2).2+(fenetre.wind_coul(:,:,3)-f3).2);fchapo1=(fenetre.wind_coul(:,:,1)-f1)./Sf;fchapo2=(fenetre.wind_coul(:,:,2)-f2)./Sf;fchapo3=(fenetre.wind_coul(:,:,3)-f3)./Sf;fichier2=acquisition165.jpg;x2=imre

10、ad(fichier2);% x2亮度转型显示 % x3=f(x2) %a=1.2;b=20;x3=a.*x2+b;fenetrei=fenetre;xx=fenetrei.centre(1)yy=fenetrei.centre(2);for i=1:20fenetrei.centre(1)=fenetrei.centre(1)-1;fenetrei.centre(2)=yy;for j=1:20fenetrei.sommets=;fenetrei.centre(2)=fenetrei.centre(2)-1;fenetrei=InitFen(fenetrei,x2);fenetrej=Ini

11、tFen(fenetrei,x3);figure(6)clf;figure(7)clf;% 计算标准相关 %g1=mean(mean(fenetrei.wind_coul(:,:,1);g2=mean(mean(fenetrei.wind_coul(:,:,2);g3=mean(mean(fenetrei.wind_coul(:,:,3);Sg=sqrt(fenetrei.wind_coul(:,:,1)-g1).2+(fenetrei.wind_coul(:,:,2)-g2).2+(fenetrei.wind_coul(:,:,3)-g3).2);gchapo1=(fenetrei.wind_coul(:,:,1)-g1)./Sg;gchapo2=(fenetrei.wind_coul(:,:,2)-g2)./Sg;gchapo3=(fenetrei.wind_coul(:,:,3)-g3)./Sg;sommefg=(fchapo1-gchapo1).2+(fchapo2-gchapo2).2+(fchapo3-gchapo3).2;SSD(i,j)=sum(sum(sommefg);if SSD(i,j)minfenetremin=fenetrei;min=SSD(i,j);endendend%显示测试结果 %figure(8);meshc(SSD);标准相关