模板匹配算法（图像）

2013-08-27 20:55阅读：

http://blog.sina.cn/dpool/blog/u/1256419735

VisionWare中的理论，自己编写的代码。
1.基本术语
特征：图像中的特定灰度值或边缘模式。特征是实际图像中的一部分。
模式：特征的抽象表示，包括：灰度值或边缘组，模式尺寸，对比度等。
定位核：也称为模板图像，其中包含搜索模式。
实时图像：也称为搜索图像，在其中定位和定位核相同的模式。
分数：实时图像中，当前模式和定位核的相似性度量。分数量化到0.0和1.0之间；分数越高，匹配更为接近。
掩模：将定位核中每个像素设定为相关或无关像素。
2.相似性度量（归一化相关系数和分数）
数学上，定位核和实时图像偏移（u,v）处的相关系数r定义为

其中I为实时图像；M为定位核；m和n分别为定位核的宽度和长度；N=m×n。实时图像和定位核的空间关系如下图所示。

r的值域范围在[-1,1]。值为1.0表示实时图像和定位核区域完全匹配。特别的，如果r=1.0，则存在a和b，对所有位置处i，有

值为-1.0表示完全误匹配，其中a<0，发现的模式和定位核极性相反。
我们可以直接用相关系数作为相似性度量。但我们倾向于用r^2的形式，其基于以下两点理由：（1）在相关系数计算中，对分子取平方较对分母开平方根运算速度更快；（2）对r取平方，其拓宽高端的动态范围，并压缩低端的动态范围，正好我们关注高端，而不关注低端。
对r^2形式的相似性度量，我们称为分数，其有以下两种形式