1.算法运行效果图预览
2.算法运行软件版本
MATLAB2022a
3.算法理论概述
模板匹配是一种常见的计算机视觉方法，用于在一幅图像中寻找指定的模板。它在目标检测、图像识别、物体跟踪等领域中有广泛的应用。基于方向编码的模板匹配算法是一种改进的模板匹配方法，它通过将图像转化为方向编码的形式，实现了更加高效和准确的模板匹配。本文将详细介绍基于方向编码的模板匹配算法，包括数学原理、实现过程以及应用领域。
本文选用方向码[7]作为特征来计算出近似的旋转角度和 进行基于像素点的匹配，整个匹配分两步进行。首先计算出 模板和模板覆盖下的子图的方向码图像，在此基础上得到模板和子图的方向码直方图，移动子图方向码直方图，每移动一 次计算二者直方图之间的相似程度，若相似性度量值大于预 先规定的阈值，则子图的左上角像素点就被选为候选的匹配 点，旋转角度依据直方图的移动次数估算得出。然后在每一 个匹配候选点上，根据第 1 步中得出的近似旋转角度旋转模 板后，得到旋转后的模板方向码图像，再计算子图和模板间的 相似程度，最相似的匹配点通过综合第 1 步和第 2 中得到的 相似性度量值得出。第 1 步中估算出的旋转角度排除了对每 一个侯选匹配点按各个可能的方向进行旋转的必要，从而加 快了匹配速度。
算法的流程图如下图所示：
4.部分核心程序
%选择移动个数
N = 2;% 选择移动个数
% 读取模板图像和第一幅子图像
Images0 = imread([num2str(17-N),'.jpg']);
% 将子图像转换为双精度类型
Images0 = func_convert(Images0);
Template = imread('match.jpg');
% 将匹配模板图像转换为双精度类型
Template = func_convert(Template);
% 获取匹配模板图像的行数和列数
[R,C] = size(Template);% 初始化相似性度量值数组
for j = 1:16% 循环进行图像匹配
j
%移动
% 移动子图，选择下一幅子图像
index = 16-N+j;
if index > 16;
index = index-16;
end
Images0 = imread([num2str(index),'.jpg']);
Images0 = func_convert(Images0);% 将子图像转换为双精度类型
% 调用 func_Orientation_codes 函数计算匹配模板图像和子图像的方向码直方图特征
f1 = func_Orientation_codes(Template);% 计算模板图像的方向码直方图特征
f2 = func_Orientation_codes(Images0);% 计算子图像的方向码直方图特征
f = [f1;f2]';
% 计算相似性度量值
for i = 1:16
d(i) = 1-sum(abs(f1(i)-f2(i)))/(max(f1(i),f2(i)));
end
d2(j) = mean(d);
pause(0.1);
end
% 对于 j=16 的相似性度量值需要放到数组的开头，使得曲线绘制时顺序正确
d3(1)=d2(16);
d3(2:16)=d2(1:15);
% 绘制相似性度量值曲线
figure;
plot(0:15,d3,'b-o')
axis([0,15,0.5,1.2]);
grid on;
title('相似性度量值曲线');