[发明专利]一种基于图层特性的缩放图像模板匹配方法

说明书

本发明提供一种基于图层特性的缩放图像模板匹配方法，包括以下步骤：设源图像S包括n个图层；获取外边界矩形列表；遍历外边界矩形列表：在源图像S的表面，首先定位到第j个外边界矩形对应的第j子图区域；然后，将模板图像T缩放，得到与第j个外边界矩形尺寸相同的模板图像Tsubgt;j/subgt;；计算第j子图区域和模板图像Tsubgt;j/subgt;的相似度距离，判断该相似度距离是否小于设定阈值，如果是，表明匹配成功，记录匹配信息。本发明提供的一种基于图层特性的缩放图像模板匹配方法，有效解决缩放图像模板的匹配问题，且大大提升匹配效率。

技术领域

本发明属于图像模板匹配技术领域，具体涉及一种基于图层特性的缩放图像模板匹配方法。

背景技术

模板匹配是指：已知一幅小图像，即模板图像T，需要在源图像S(为一幅大图像)中寻找定位到模板图像T的过程。传统的模板匹配方法为：在源图像S上面叠放模板图像T，然后，以一个像素为单位平移模板图像T，每当移动到一个位置时，被模板图像T覆盖的源图像S的对应区域称为子图；计算模板图像T和子图的相似度；如此不断进行，当定位到某个子图和模板图像T的相似度超过设定阈值时，认为该子图即为搜寻目标，从而在源图像S中定位到需要寻找的模板图像T的坐标位置。

上述模板匹配方法具有以下问题：(1)算法实现复杂，需要进行大量的相似度计算，运算效率低；(2)模板匹配具有自身的局限性，主要表现在模板图像T只能进行平行移动，因此，若源图像S中的匹配目标发生尺寸缩放，则算法无效，无法完成模板匹配。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于图层特性的缩放图像模板匹配方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于图层特性的缩放图像模板匹配方法，包括以下步骤：

步骤1，设源图像S包括n个图层；n个图层和源图像S的图像尺寸相同；

步骤2，对于n个图层，按由上向下的顺序，依次表示为：图层C₁,图层C₂,...,图层C_n；

在n个图层中，获取所有单个图层的外边界矩形，任意两个图层按序叠加后形成的图像的外边界矩形，任意三个图层按序叠加后形成的图像的外边界矩形,...,直到n个图层叠加后形成的图像的外边界矩形，由此形成外边界矩形列表；其中，按序叠加是指：保持图层之间上下相对位置不变；图像的外边界矩形是指：图像的外边界包络矩形；设外边界矩形列表包括m个外边界矩形；

步骤3，模板图像匹配过程：

步骤3.1，设需要匹配的模板图像为模板图像T；

步骤3.2，令j＝1；

步骤3.3，在源图像S的表面，首先定位到第j个外边界矩形对应的第j子图区域；然后，将模板图像T缩放，得到与第j个外边界矩形尺寸相同的模板图像T_j；计算第j子图区域和模板图像T_j的相似度距离，判断该相似度距离是否小于设定阈值，如果是，表明匹配成功，记录匹配信息，结束流程；如果否，则执行步骤3.4；

步骤3.4，判断j是否等于m；如果是，则代表已完成对m个外边界矩形的匹配，匹配失败；如果否，则令j＝j+1，返回步骤3.3。

优选的，外边界矩形列表中，记录每个外边界矩形以下信息：外边界矩形的左上角坐标、外边界矩形的宽度和外边界矩形的高度。

优选的，采用以下方法，计算第j子图区域和模板图像T_j的相似度距离：欧氏距离算法、曼哈顿距离算法、堪培拉距离算法、切比雪夫距离算法、马氏距离算法、豪斯多夫距离算法和汉明距离算法。

本发明提供的一种基于图层特性的缩放图像模板匹配方法具有以下优点：