傅立光　徐惠紅

摘要：圖像邊緣檢測(cè)技術(shù)是其他一些圖像分析技術(shù)的基礎(chǔ)，文章闡述了Canny邊緣檢測(cè)和塊匹配算法的實(shí)現(xiàn)方法，通過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)的滑動(dòng)窗口算法的匹配效率。

關(guān)鍵詞：邊緣檢測(cè)；灰度；塊匹配；相似度

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）13-0175-02

1 圖像邊緣檢測(cè)與匹配的概述

邊緣是灰度不連續(xù)的結(jié)果，是圖中灰度的急劇變化。邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線。

圖像匹配就是將模板與待檢測(cè)的圖像進(jìn)行比較匹配，并給出一個(gè)描述匹配程度的計(jì)算結(jié)果。如果算法的運(yùn)算結(jié)果顯示圖像中的某一部分與模板相同或是相似大于設(shè)定的閾值，則認(rèn)為匹配成功 [1]。

2 邊緣檢測(cè)與提取的算法

經(jīng)典的邊界提取技術(shù)大都基于微分運(yùn)算。首先通過(guò)平滑來(lái)濾除圖像中的噪聲，然后進(jìn)行一階微分或二階微分運(yùn)算，求得梯度最大值或二階導(dǎo)數(shù)的過(guò)零點(diǎn)，最后選取適當(dāng)?shù)拈撝祦?lái)提取邊界，這里使用Canny邊緣檢測(cè)技術(shù)。

二維Canny算子首先用高斯濾波器平滑圖像；然后使用差分模板近似計(jì)算梯度值和方向；再在梯度方向上確定局部極大值點(diǎn)，用雙門(mén)限法去除噪聲并保留邊緣點(diǎn)；最后進(jìn)行插值將邊緣點(diǎn)連接起來(lái)以形成連貫的曲線。對(duì)圖像應(yīng)用Canny算子運(yùn)算，可直接獲得單像素寬的圖像邊緣連貫曲線[2]。

3 改進(jìn)的滑動(dòng)窗口（塊）的匹配方法

滑動(dòng)窗口（塊匹配法）是指將待配準(zhǔn)圖像的分成N×N的多個(gè)子區(qū)域的像素的集合作為模板。將匹配圖分成M×M的多個(gè)子區(qū)域在模板圖像中確定搜索區(qū)域，在搜索區(qū)域中搜索和模板最相似的匹配塊，當(dāng)搜索區(qū)域沒(méi)有成功時(shí)，則按照某種標(biāo)準(zhǔn)擴(kuò)大搜索區(qū)域并按照匹配圖的大小繼續(xù)線性搜索[2]。

改進(jìn)的滑動(dòng)窗口的匹配方法的算法思想為[3-5]：

首先，將模板處理成和匹配塊大小成整數(shù)倍數(shù)的圖像，如果模板圖像的邊長(zhǎng)不是塊邊長(zhǎng)的整數(shù)倍，則將最底部與最右邊剩余的幾行、幾列裁減掉（如圖2所示為裁剪好的圖片），然后根據(jù)模板圖像與帶匹配圖像的比率劃分塊大小，此處設(shè)模板圖像的塊為{L1，L2，…，Lk }，帶匹配圖像的分塊為{P1，P2，…，PN}，分別計(jì)算計(jì)算出兩幅圖像中每一塊的平均概率密度，將待匹配圖像在模板圖像中按照塊大小進(jìn)行移動(dòng)。

然后，進(jìn)行第一步的粗配，通過(guò)計(jì)算的模板圖像和匹配圖像每一塊的平均概率密度找出幾對(duì)最大值點(diǎn)和最小值點(diǎn)，找出兩圖的中最大值與最大值和最小值與最小值差值小于某個(gè)數(shù)值的相應(yīng)的塊，以模板圖的四個(gè)角點(diǎn)和這些塊為開(kāi)始位置同時(shí)進(jìn)行粗配，得到相似度值，如果該值大于一個(gè)閾值（本文為0.8），則繼續(xù)在當(dāng)前位置進(jìn)行逐塊比較，并且記錄下相似度。如果不在閾值范圍內(nèi)認(rèn)為該塊不該為開(kāi)始匹配的起始點(diǎn)，從下一最大值或最小值差別小于某個(gè)數(shù)值的塊開(kāi)始，如圖2所示。

最后，經(jīng)過(guò)粗匹配階段，逐塊匹配得到的最佳匹配塊縱坐標(biāo)、橫坐標(biāo)可能分別存在一個(gè)表中，要得到精確匹配結(jié)果，則須用模板在粗匹配后的最佳匹配塊內(nèi)逐象素進(jìn)行一次精匹配。圖3和圖4為實(shí)驗(yàn)所用的lena匹配模板圖，和帶匹配的lena部分圖。

對(duì)于有旋轉(zhuǎn)或比例縮放的圖像來(lái)說(shuō)，其圖像的單位面積內(nèi)的平均概率密度會(huì)有很大幅度的變化，如圖5所示為經(jīng)過(guò)200旋轉(zhuǎn)后的圖像（出現(xiàn)了有角度大面積的白色或黑色，其大小與匹配的原圖相同，所以其平均概率密度小，填充為黑色則平局概率密度偏大），這種圖形通過(guò)修改圖像的閾值如圖5所示，計(jì)算出其旋轉(zhuǎn)角度，將其整個(gè)圖像旋轉(zhuǎn)回來(lái)，缺損像素處由相鄰處的顏色信息填充。

經(jīng)過(guò)10%放大后的圖像（其平均概率密度偏?。冉?jīng)過(guò)圖像的校準(zhǔn)及旋轉(zhuǎn)，比例縮放的圖像需要根據(jù)圖像的大小計(jì)算出平均像素密度及模板圖想的像素密度，計(jì)算出放大或縮小的比率，將縮放的圖像用的值將其基本恢復(fù)成沒(méi)有縮放比率之前的大小。

4 結(jié)束語(yǔ)

實(shí)驗(yàn)結(jié)果分析：塊匹配法的優(yōu)點(diǎn)是它能夠?qū)崿F(xiàn)兩幅圖像在256灰度模式下，圖像沒(méi)有經(jīng)過(guò)任何處理、小幅度旋轉(zhuǎn)及縮放的情況下都能夠?qū)崿F(xiàn)圖像的精確配準(zhǔn)。缺點(diǎn)是計(jì)算量較大。在改進(jìn)的滑動(dòng)窗口算法中由于采用了兩步走-先粗配、再精配的方法，大大提高了圖像運(yùn)算的時(shí)間。但是，在實(shí)際應(yīng)用中，由于各種外界的因素，獲取圖像的質(zhì)量、圖像的變形及圖像大角度的平移或旋轉(zhuǎn)等問(wèn)題，對(duì)圖像匹配的要求就更高，還有待于我們更進(jìn)一步的研究探討。

參考文獻(xiàn)：

[1] 宋曉闖. 基于灰度和幾何特征的圖像匹配算法研究[D]. 天津： 河北工業(yè)大學(xué)， 2008.

[2] 劉錦峰. 圖像模板快速算法的研究[D]. 長(zhǎng)沙： 中南大學(xué)， 2007.

[3] 閻興美. 一種快速的圖像特征匹配算法[J]. 計(jì)算機(jī)工程與應(yīng)用， 2001， 23（4）： 21-23.

[4] 劉瑩. 基于灰度相關(guān)的圖像匹配算法的改進(jìn)[J]. 應(yīng)用光學(xué)， 2007， 28（5）： 537-538.

[5] 黃旭華. 基于灰度的圖像快速匹配算法[J]. 戰(zhàn)術(shù)導(dǎo)彈控制技術(shù)， 2005， 51（4）： 25-26.