图像处理学习笔记（三）：基于匹配的目标识别

Matlab图像处理学习笔记（三）：基于匹配的目标识别  

如果要在一幅图像中寻找已知物体，最常用且最简单的方法之一就是匹配。

在目标识别的方法中，匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器，相关匹配。本文code是基于最小距离分类器，基于相关匹配的与此类似。

本文涉及到的知识点如下：

1、目标识别.

2、基于决策理论方法的识别

3、匹配（最小距离分类器、相关匹配）

4、空间相关（相关匹配涉及）

matlab/opencv图像处理之模板匹配

如果要在一幅图像中寻找已知物体，最常用且最简单的方法之一就是匹配。

%  基于最小距离分类器的模板匹配
%  寻找图片中与已知模板的匹配区域
由于运行速度实在太慢，改用opencv来实现，代码如下：

基于空间相关的图像模板匹配及MATLAB实现

应用背景：机器的模式识别所要解决的问题，就是用机器代替人去认识图像和找出一幅图像中人们感兴趣的目标物。如何找到目标物即图像的区域呢，这里介绍在空间域使用模板在图像中寻找与模板匹配的区域。

基本原理：在空间滤波中，相关是指滤波器模板移过图像并计算每个像素位置的灰度乘积之和的过程。基于相关的图像模板匹配过程类似于滤波过程，设图像f(x,y)的大小为M*N和模板子图像w(x,y)的大小为J*K，则f与w的相关表示为：

                                                                                              （1）

 其中，x=0,1,2,3.....N-K，y=0,1,2.....M-J，计算相关c(x,y) 的过程就是在图像f(x,y) 中逐像素地移动模板子图像w(x,y) 的原点像素，在每一次移动的过程中根据式（1）计算每个像素位置的相关。对式（1）的向量表达式进行归一化后如下式所示：