图像处理之基于NCC模板匹配识别

一：基本原理

NCC是一种基于统计学计算两组样本数据相关性的算法，其取值范围为[-1, 1]之间，而对图像来说，每个像素点都可以看出是RGB数值，这样整幅图像就可以看成是一个样本数据的集合，如果它有一个子集与另外一个样本数据相互匹配则它的ncc值为1，表示相关性很高，如果是-1则表示完全不相关，基于这个原理，实现图像基于模板匹配识别算法，其中第一步就是要归一化数据，数学公式如下：

二：实现步骤

（1）获取模板像素并计算均值与标准方差、像素与均值diff数据样本

（2）根据模板大小，在目标图像上从左到右，从上到下移动窗口，计

算每移动一个像素之后窗口内像素与模板像素的ncc值，与阈值比较，大于

阈值则记录位置

（3）根据得到位置信息，使用红色矩形标记出模板匹配识别结果。

（4） UI显示结果

三：编程实现

基于JAVA语言完成了整个算法编程实现与演示，其中第一步的代码如下：

[java] view plaincopy

int tw = template.getWidth();
int th = template.getHeight();
int[] tpixels = new int[tw * th];
getRGB(template, 0, 0, tw, th, tpixels);
for(int i=0; i<tpixels.length; i++)
{
tpixels[i] = (tpixels[i] >> 16) & 0xff;
}
double[] meansdev = getPixelsMeansAndDev(tpixels);
double[] tDiff = calculateDiff(tpixels, meansdev[0]);
int raidus_width = tw / 2;
int raidus_height = th / 2;

第二步的实现代码如下：

[java] view plaincopy

int[] windowPixels = new int[tw * th];
Arrays.fill(windowPixels, 0);
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
// calculate the means and dev for each window
if(row < raidus_height || (row + raidus_height) >= height)
continue;
if(col < raidus_width || (col + raidus_width) >= width)
continue;
int wrow = 0;
Arrays.fill(windowPixels, 0);
for(int subrow = -raidus_height; subrow <= raidus_height; subrow++ )
{
int wcol = 0;
for(int subcol = -raidus_width; subcol <= raidus_width; subcol++ )
{
if(wrow >= th || wcol >= tw)
{
continue;
}
windowPixels[wrow * tw + wcol] = getPixelValue(width, col + subcol, row + subrow, inPixels);
wcol++;
}
wrow++;
}
// calculate the ncc
double[] _meansDev = getPixelsMeansAndDev(windowPixels);
double[] diff = calculateDiff(windowPixels, _meansDev[0]);
double ncc = calculateNcc(tDiff, diff, _meansDev[1], meansdev[1]);
if(ncc > threhold) {
Point mpoint = new Point();
mpoint.x = col;
mpoint.y = row;
points.add(mpoint);
}
}
}

第三步的实现代码如下：

[java] view plaincopy

// draw matched template on target image according position
setRGB( dest, 0, 0, width, height, inPixels );
Graphics2D g2d = dest.createGraphics();
g2d.setPaint(Color.RED);
g2d.setStroke(new BasicStroke(4));
for(Point p : points)
{
g2d.drawRect(p.x - raidus_width, p.y - raidus_height, tw, th);
}

其中第二步用到的计算NCC的方法实现如下：

[java] view plaincopy

private double calculateNcc(double[] tDiff, double[] diff, double dev1, double dev2) {
// TODO Auto-generated method stub
double sum = 0.0d;
double count = diff.length;
for(int i=0; i<diff.length; i++)
{
sum += ((tDiff[i] * diff[i])/(dev1 * dev2));
}
return (sum / count);
}

UI部分完整源代码如下：

[java] view plaincopy

package com.gloomyfish.image.templae.match;
import java.awt.BorderLayout;
import java.awt.FlowLayout;
import java.awt.Graphics;
import java.awt.Graphics2D;
import java.awt.event.ActionEvent;
import java.awt.event.ActionListener;
import java.awt.image.BufferedImage;
import java.io.IOException;
import javax.imageio.ImageIO;
import javax.swing.JButton;
import javax.swing.JComponent;
import javax.swing.JFrame;
import javax.swing.JPanel;
public class DemoUI extends JComponent {
/**
*
*/
private static final long serialVersionUID = 1L;
private BufferedImage targetImage;
private BufferedImage template;
public DemoUI()
{
super();
java.net.URL imageURL = this.getClass().getResource("words.png");
java.net.URL templateURL = this.getClass().getResource("template.png");
try {
template = ImageIO.read(templateURL);
targetImage = ImageIO.read(imageURL);
} catch (IOException e) {
e.printStackTrace();
}
}
public void setTarget(BufferedImage target) {
this.targetImage = target;
}
@Override
protected void paintComponent(Graphics g) {
Graphics2D g2 = (Graphics2D) g;
if(targetImage != null) {
g2.drawImage(targetImage, 10, 10, targetImage.getWidth(), targetImage.getHeight(), null);
}
if(template != null) {
g2.drawImage(template, 20+targetImage.getWidth(), 10, template.getWidth(), template.getHeight(), null);
}
}
public static void main(String[] args) {
JFrame f = new JFrame("模板匹配与识别");
JButton okBtn = new JButton("匹配");
final DemoUI ui = new DemoUI();
okBtn.addActionListener(new ActionListener() {
@Override
public void actionPerformed(ActionEvent e) {
ui.process();
}
});
JPanel btnPanel = new JPanel();
btnPanel.setLayout(new FlowLayout(FlowLayout.RIGHT));
btnPanel.add(okBtn);
f.getContentPane().add(btnPanel, BorderLayout.SOUTH);
f.getContentPane().add(ui, BorderLayout.CENTER);
f.setSize(500, 500);
f.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
f.setVisible(true);
}
protected void process() {
NccTemplateMatchAlg algo = new NccTemplateMatchAlg(template);
targetImage = algo.filter(targetImage, null);
this.repaint();
}
}

四：程序运行效果如下

其中左边是目标图像、右边为模板图像

PS:博客从10月份开始每月都有多篇相关图像处理文章更新

欢迎大家继续关注

图像处理之基于NCC模板匹配识别相关推荐

matlab 图像模板匹配,基于MATLAB模板匹配的车牌识别系统
一.课题名称[Q1321814823] 基于MATLAB模板匹配的车牌识别系统二.课题背景随着汽车数量的增加,城市交通状况日益受到人们的重视,如何进行有效的交通管理更是成为了人们关注的焦点.针对此 ...
OpenCV与图像处理学习十六——模板匹配
OpenCV与图像处理学习十六--模板匹配一.模板匹配介绍二.代码应用一.模板匹配介绍模板匹配是一种最原始.最基本的模式识别方法,研究某一特定目标的图像位于图像的什么地方,进而对图像进行定位. ...
OpenCV模板匹配识别图片中的数字
OpenCV模板匹配识别图片中的数字前言本博客主要实现利用OpenCV的模板匹配识别图像中的数字,然后把识别出来的数字输出到txt文件中,如果识别失败则输出"读取失败". 操作 ...
【数字图像处理与应用】模板匹配
[数字图像处理与应用]模板匹配题目模板匹配原理 Matlab代码实现算法介绍显示图像的匹配结果 (最匹配的一个) MATLAB实现运行结果图像的相关值结果: 在原图像上绘制检测到的目标位置 ...
【字符识别】基于matlab模板匹配（区域生长法）字母+数字识别【含Matlab源码 1214期】
⛄一.手写大写字母识别技术简介 0 引言在高校教学过程中,考试是最为普遍的一种教学评估.综合练习的教学手段,随着科技进步,考试阅卷的方式也发生了巨大的变革.传统的阅卷方式主要以人工阅卷为主, 存在效 ...
基于OCR模板匹配的手写英文字母数字识别matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 OCR技术中使用模板匹配法时首先要建立标准的模板字符库,接着将待识别字符图像与模板字符库中字符进行匹 ...
基于Matlab模板匹配方法的车牌识别系统设计
本系统针对家庭小型车蓝底白字车牌进行识别背景近年来,随着交通现代化的发展要求,汽车牌照自动识别技术已经越来越受到人们的重视.车牌自动识别技术中车牌定位.字符切割.字符识别及后处理是其关键技术.由于 ...
数字图像处理：基于MATLAB的车牌识别项目
学过了数字图像处理,就进行一个综合性强的小项目来巩固一下知识吧.前阵子编写调试了一套基于MATLAB的车牌识别的项目的代码.今天又重新改进了一下代码,识别的效果好一点了,也精简了一些代码.这里没有使用 ...
OpenCV中使用模板匹配识别空闲的货架空间
但是点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达假设你是一名在超市工作的员工,被要求在商店里四处走动,检查需要 ...

图像处理之基于NCC模板匹配识别

图像处理之基于NCC模板匹配识别

图像处理之基于NCC模板匹配识别相关推荐

最新文章

热门文章