图像相关性(SSD算法)

1、 以下内容是图像相关性方面设计算法的大体思路：图像相关性研究1.初始化一个图像窗口窗口结构中定义的字段：fenetre.centre=;%图像窗口中心位置坐标ijfenetre.taille=;%窗口大小fenetre.sommets=;%四个顶点的位置坐标i,jfenetre.h;%比例因子fenetre.wind_coul%三色图像区域的窗口框架矩阵fenetre.wind_coul(:,:,1)TRfenetre.wind_coul(:,:,2)TVfenetre.wind_coul(:,:,3)TBfenetre.wind_point%两个矩阵与窗口像素的横纵位置对应fenetre.w

2、ind_point(:,:,1)T像素的横坐标ifenetre.wind_point(:,:,2)T像素的纵坐标jfenetre.wind_coul和fenetre.wind_point的字段将会被函数InitFen初始化，这个函数可以显示图像和选择图像区域.用户可以选择窗口的中心位置并手动确定其大小.中心，大小和位置将会被初始化:.fenetre=InitFen(fenetre,Image);figure(2)image(fenetre.wind_coul/255)目的是要在另一幅图中找到一个窗口或图像的一部分。我们将针对本研究，提供以下的书籍封面。其他图像都是相同的，只是这些书发生了移动。

3、后得到的图像效果初始图戸.4口11窗在原始图像中，我们用鼠标选择我们想要见下图中的蓝色方框。在Matlab中，显示如下选择中心：更新大小X（指数j）:WC更新大小Y（指数i）:TU输出:S更新大小X（指数j）:WC更新大小Y（指数i）:TU输出:S当按C时，窗口变长；当按U时，窗口变宽；当按S时，显示第二幅图像。%初始化图像窗口%clearallcloseallfichier1=acquisition160.jpg;x1=imread(fichier1);figure(1)imshow(x1);%示原始图像fenetre.centre=;fenetre.taille=;fenetre.somm

4、ets=;fenetre.niv=4;fenetre.h=0.5;fenetre=InitFen(fenetre,x1);%创建窗口figure(2)image(fenetre.wind_coul/255);%显示带窗口的图像pause用户选择的参考窗口2.相关我们测量一下原窗口与下面图像部分的差异。一种方法：SSD(u,v)=N/22f(iJ)，g(i+u,j+v)i=-M/2j=，N/2f:图像方程g:参数窗口方程f和g函数代表图像颜色，因此我们有3部分(RVB三色的概率).f=(fr，fv，fb)etg=(gr，gv，gb).当SSD最小时，我们得到(u*,v*)的最佳答案：r,v*)=

5、minSSD(u,v)(u,v)eRSSD函数为了实现彩色图像的功能，并提出一种算法来跟踪图像序列中的一个对象。%相关%min=1e8;fichier2=acquisition165.jpg;x2=imread(fichier2);fenetrei=fenetre;xx=fenetrei.centre(1)yy=fenetrei.centre(2);fori=1:1:20fenetrei.centre(1)=fenetrei.centre(1)-1;fenetrei.centre(2)=yy;forj=1:1:20fenetrei.sommets=;fenetrei.centre(2)=fen

6、etrei.centre(2)-1;fenetrei=InitFen(fenetrei,x2);figure(3)clf;image(fenetrei.wind_coul/255)%pause(0.05)%相关计算%f1=fenetre.wind_coul(:,:,1);f2=fenetre.wind_coul(:,:,2);f3=fenetre.wind_coul(:,:,3);g1=fenetrei.wind_coul(:,:,1);g2=fenetrei.wind_coul(:,:,2);g3=fenetrei.wind_coul(:,:,3);n,m=size(f1-g1);somme

7、fg=(fl-gl).人2+(f2-g2).人2+(f3-g3).人2;SSD(i,j)=sum(sum(sommefg);%计算SSDifSSD(i,j)minfenetremin=fenetrei;%测试为了找到SSD的最小值min=SSD(i,j);endendend%显示相关矩阵图像(非标准)%figure(4);meshc(SSD);10432120152015101055%显示相关图像误差%erreur(:,:,1)=abs(fenetre.wind_coul(:,:,1)-fenetremin.wind_coul(:,:,1);erreur(:,:,2)=abs(fenetre.

8、wind_coul(:,:,2)-fenetremin.wind_coul(:,:,2);erreur(:,:,3)=abs(fenetre.wind_coul(:,:,3)-fenetremin.wind_coul(:,:,3);figure(5);imshow(erreur/255);相关图像误差3.标准相关两幅图像之间亮度变化的方程：G(i,j)=a.f(i,j)+b 标准方程如下：证明:（乩/+万）-（乩/+力）（/-/）-/）述工（J-疔f-f7E（/-/）2/S（/-7）2宮一鸟仗一直尸/ %标准相关%f1=mean(mean(fenetre.wind_coul(:,:,1);f2

9、=mean(mean(fenetre.wind_coul(:,:,2);f3=mean(mean(fenetre.wind_coul(:,:,3);Sf=sqrt(fenetre.wind_coul(:,:,l)-fl).人2+(fenetre.wind_coul(:,:,2)-f2).人2+(fenetre.wind_coul(:,:,3)-f3).人2);fchapo1=(fenetre.wind_coul(:,:,1)-f1)./Sf;fchapo2=(fenetre.wind_coul(:,:,2)-f2)./Sf;fchapo3=(fenetre.wind_coul(:,:,3)-f

10、3)./Sf;fichier2=acquisitionl65.jpg;x2=imread(fichier2);%x2亮度转型显示%x3=f(x2)%a=l.2;b=20;x3=a.*x2+b;fenetrei=fenetre;xx=fenetrei.centre(l)yy=fenetrei.centre(2);fori=l:20fenetrei.centre(l)=fenetrei.centre(l)-l;fenetrei.centre(2)=yy;forj=l:20fenetrei.sommets=;fenetrei.centre(2)=fenetrei.centre(2)-l;fenetr

11、ei=InitFen(fenetrei,x2);fenetrej=InitFen(fenetrei,x3);figure(6)clf;figure(7)clf;%计算标准相关%gl=mean(mean(fenetrei.wind_coul(:,:,l);g2=mean(mean(fenetrei.wind_coul(:,:,2);g3=mean(mean(fenetrei.wind_coul(:,:,3);Sg=sqrt(fenetrei.wind_coul(:,:,1)-g1).人2+(fenetrei.wind_coul(:,:,2)-g2).人2+(fenetrei.wind_coul(:,:,3)-g3).人2);gchapol=(fenetrei.wind_coul(:,:,l)-gl)./Sg;gchapo2=(fenetrei.wind_coul(:,:,2)-g2)./Sg;gchapo3=(fenetrei.wind_coul(:,:,3)-g3)./Sg;sommefg=(fchapo1-gchapo1).人2+(fchapo