基于灰度与角点检测的图像匹配算法的研究与实现 第5页

系统的开发环境和工具
为了深入理解和研究各种图像匹配技术，本人也对部分算法进行了编程实现，通过实验结果以加深对算法的理解。对于这些算法的实现，选取了Visual C++ 6.0作为开发平台，并选取了OpenCV[19] [20]开源库以帮助简化图像处理，以下对OpenCV进行简单介绍。
OpenCV是一个开源（）的计算机视觉库。OpenCV采用C/C++语言编写，可以运行Linux/Windows/Mac等操作系统上。OpenCV还提供了Python、Ruby、MATLAB以及其他语言的接口。
OpenCV提供了关于图像和视频操作完整高效的源代码，其内容涵盖了图像数据操作、图像的输入输出、矩阵向量的数据操作及线性代数运算；并支持多种动态数据结构，如链表、队列、数据集、树、图等；还提供了基本的图像处理操作，如去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构等；对于结构分析方面的内容，OpenCV同样提供许多常用高效的函数，如连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化等。OpenCV包含的500多个函数在实际中有广泛的应用，基本上覆盖了计算机视觉的大多应用领域，如工厂产品检测、医学成像、信息安全、用户界面、摄像机标定、立体视觉和机器人等。下载OpenCV库之后，就可以安装了。

2 图像匹配概述
图像匹配作为近代信息处理的一个重要内容，同时也是图像信息处理领域中的一项极为关键的技术，许多国家都建立了专门的研究机构，对这方面投入大量的资金和人力资源，得到较大的关注，而其研究的内容也具有一定的难度。在这一部分我们将开始介绍图像匹配的一些基本理论，为大家在图像处理中框定我们所要的研究内容。
2.1 图像匹配的定义和目的
图像匹配指的是在不同传感器收集来的不同图像，或在不同时刻、不同光照条件下对同一物体获取的两幅或两幅以上的图像，进行对比获取他们之间的相同部分，最终目的在于寻找二者之间的同名点，并进行匹配，最后建立起两幅图像之间的映射关系。如对二文的平面图进行匹配，可以通过比较搜索区和目标区中相同大小的窗口并计算他们之间的不匹配值，取搜索区中不匹配值最小所对应的窗口中心点作为同名点。简而言之，由于图像采集的前提条件不同，即使是对同一物体进行拍摄，在图像中所显示出来的内容也会有很大的差异；再者若受到到噪声、干扰等因素的影响，更会使图像发生巨大的变化，图像匹配目的就是高效地舍弃这些不同之处并找到它们的相同点。本文来自辣,文~论^文·网原文请找腾讯324'9114
 
图：2-1图像匹配示意图
图像匹配是数学描述如下：
如图2-1所示，假设图像为正方形方块，参考模板描述为 的图像数组 ，搜索图像为 的图像数组 。其中 ，目的是寻找一种方式用来评价在 中查找 的子图像 与参考模板 是否是最优的匹配。最后，参考模板 叠加在搜索图上，并且平移到所有可能的位置 。对于每个 点，由公式计算出模板图片 与搜索区域的子区域 的不匹配值 。
模板匹配的目的就是寻找具有最小不匹配值 的位置 。
2.2 图像匹配中的关键要素
对于同一场景在不同条件下取得的图像会所产生的图像差异，原因主要为传感器的噪声、周边环境、视角变化等方面。为解决上述因素所产生的匹配问题，人们基于以下几个要素提出了一些具体的匹配思路，如下为图像匹配中的几个关键要素：

上一页  [1] [2] [3] [4] [5] [6] 下一页

基于灰度与角点检测的图像匹配算法的研究与实现 第5页下载如图片无法显示或论文不完整，请联系qq752018766