多尺度模板匹配要注意的几个问题

运用多尺度模板匹配进行物体识别时，需要注意三点：

1. 模板边缘的处理：原始模板选取时，边缘往往会有1-2个多余的像素，这在尺度较小的时候没有多大影响，但是在大尺度匹配的时候容易造成无匹配。例如，假设模板选取时边缘多了一个像素，那么把模板放大4倍后，边缘就会出现4个像素的宽的多余部分，而这4个像素宽的多余部分由于在模板外围，因此总的像素量会比较大，对匹配结果足以产生主导左右。可行的解决方法是把放大后的模板进行适当的边缘剪切，然后进行匹配；

2. 噪声边缘的处理：进行边缘匹配时，需首先对图像进行梯度滤波求出梯度图像，其中很多小幅度的边缘梯度部分往往是由噪声而产生。如果采用互相关系数的方法进行匹配，由于互相关系数考察的是两个序列变化趋势的一致性而忽略他们各自幅度大小，因此这些噪声边缘会对匹配的结果干扰很大，往往出现无匹配。可行的解决方法是先对梯度图像进行阈值分割，去除小幅度的噪声边缘梯度，而后进行匹配；

3. 噪声匹配点的处理：在匹配的相关图像中寻找最大值点作为匹配点时，最好先对相关图像做一次3x3的均值滤波，这样可以大大提高匹配的稳健性，消除噪声点的影响（梯度匹配这点尤为重要）。因为一个如果是正在的匹配点，那么该点的周围邻域内都会有比较高的相似度，均值滤波以后其地位更加突出；如果是噪声匹配点，其往往是孤立的一个突出点，其周围邻域内相似度比较低，滤波后期地位也会随之下降。