圖像匹配
這是導師吩咐的第二個重點看的圖像內容，也跟大家分享一下學習筆記吧。學習的材料主要是halcon的教程和Digital Image Processing（Matlab）教材。
先說簡單的吧，，matlab的圖像處理的函數庫裏，有幾個圖像配準的函數，分別是cpselect, cp2tform, visreg, normxcorr2. 書上主要介紹了，基於點的匹配（手動匹配），基於區域的匹配。配準處理（Registration Process）包括四個步驟。1：特徵檢測；2：匹配相應特徵；3：推斷幾何變換；4：運用幾何變換去將一幅圖像對準到另一幅圖像。
1）基於點的匹配，對讀入的模板，和原圖像，就是手動的點匹配，使用cpselect.
2）之後推斷變換參數使用cp2tform
3）最後可視化使用visreg
現在介紹Halcon的教程裏關於模板匹配的知識，裏面很多模板匹配的內容，有基於灰度值，基於形狀，基於相關性，基於元件等。
1）基於灰度值的模板匹配
1.相似度量方法：SAD（模板與圖像之間的差值的絕對值的總和）&SSD（模板與圖像之間的差值的平方和）
主要受到光照影響較大，魯棒性不好。
2.歸一化互相關係數: NCC（Normalized Cross-correlation）
2)使用圖形金字塔進行匹配
1.利用2x2的均值濾波器來創建圖像金字塔。
2.從最頂層開始匹配->收索下一層的區域定位5x5,再匹配->直到找不到匹配的結果或者最底層結束。
3）基於灰度值的亞像素精度匹配
借鑑於邊緣提取，將局部最小值或最大值附近的3x3的領域內的相似度了擬合一個多項式。然後求解得到該多項式的局部最大值或最小值。
4）帶旋轉與縮放的模板匹配
創建多個方向的模板，只在圖像金字塔的最高層進行圖像匹配，匹配所有可能選擇角度的模板。
5）可靠的模板匹配
1基於邊緣匹配物體存在的集中策略
a匹配中使用原始邊緣點，或增加每個點的一些特性。
b將邊緣分割爲多個幾何基元，然後在圖像中匹配這些分割的幾何基元。
c 基於邊緣的分割，可以得到邊緣點的突變點，然後匹配這些突變點。
6）邊緣匹配算法中的一大類是基於模板邊緣與圖像邊緣的距離
當目標受遮擋是，魯棒性不好。
1.廣義霍夫變換：
創建一個表格R-table,以梯度角度作爲索引，每個表格中包含模板邊緣點，梯度角度對應的所有偏移向量.
使用R-table就可以在搜素過程中非常簡單找到偏移向量，然後累計數組中相應的元素：簡單計算圖像中邊緣的梯度方向並且用這個方向作爲R-table的索引。在創建了累計數組後，對數組進行閾值分割，並提取局部最大值作爲目標物的可能位置。
7）邊緣匹配算法中另一大類是基於幾何基元的
1.幾何哈希法：基於三個不共線的點可以表示平面的其他所有點。
哈希表的建立：對於模板邊緣上每三個不共線的點，計算模板中其他m-3個點的仿射座標,這個仿射座標將作爲哈希表的索引。
2.直接在圖像中匹配集合基元本身
a通過首先匹配擁有獨特幾何特徵的部分來降低複雜度。
b使用模板中的一個特殊線段在圖像中尋找匹配的線段。
8)基於形狀的模板匹配：一種基於像素的可靠的模板匹配算法。
定義座標爲相對於感興趣區域重心的相對座標或相對於模板中所有點重心的相對座標。爲每個點關聯的方向向量。（邊緣濾波運算可以得到每個圖像點的方向向量）
以上是我的學習筆記，還是學到很多基礎性的知識，希望大家互相學習，互相進步。