图像相关性SSD算法Word下载.docx
- 文档编号:22173162
- 上传时间:2023-02-02
- 格式:DOCX
- 页数:12
- 大小:970.63KB
图像相关性SSD算法Word下载.docx
《图像相关性SSD算法Word下载.docx》由会员分享,可在线阅读,更多相关《图像相关性SSD算法Word下载.docx(12页珍藏版)》请在冰豆网上搜索。
,2)→V
3)→B
fenetre.wind_point%两个矩阵与窗口像素的横纵位置对应
fenetre.wind_point(
1)→像素的横坐标i
2)→像素的纵坐标j
fenetre.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局部。
我们将针对本研究,提供以下的书籍封面。
其他图像都是一样的,只是这些书发生了移动。
初始图像最后得到的图像效果
在原始图像中,我们用鼠标选择我们想要创立的窗口,见下列图中的蓝色方框。
在Matlab中,显示如下:
选择中心:
更新大小X(指数j):
W<
------X+---->
C
更新大小Y(指数i):
T<
------Y+---->
U
输出:
S
更新大小X(指数j):
更新大小Y(指数i):
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%%%%%%%%%%%%%%%
clearall
closeall
fichier1='
acquisition160.jpg'
;
x1=imread(fichier1);
figure
(1)
imshow(x1);
%示原始图像
fenetre.niv=4;
fenetre.h=0.5;
[fenetre]=InitFen(fenetre,x1);
%创立窗口
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局部的差异。
一种方法:
f:
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局部〔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*)的最正确答案:
SSD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:
20
fenetrei.centre
(1)=fenetrei.centre
(1)-1;
fenetrei.centre
(2)=yy;
forj=1:
20
fenetrei.sommets=[];
fenetrei.centre
(2)=fenetrei.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(:
g2=fenetrei.wind_coul(:
g3=fenetrei.wind_coul(:
[n,m]=size(f1-g1);
sommefg=(f1-g1).^2+(f2-g2).^2+(f3-g3).^2;
SSD(i,j)=sum(sum(sommefg));
%计算SSD
ifSSD(i,j)<
min
fenetremin=fenetrei;
%测试为了找到SSD的最小值
min=SSD(i,j);
end
%%%%%%%显示相关矩阵图像〔非标准〕%%%%%%%%
figure(4);
meshc(SSD);
%%%%%%%%%%显示相关图像误差%%%%%%%%%
erreur(:
1)=abs(fenetre.wind_coul(:
1)-fenetremin.wind_coul(:
1));
2)=abs(fenetre.wind_coul(:
2)-fenetremin.wind_coul(:
2));
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
Donc
%%%%%%%%%%%%%%%%%%%%%标准相关%%%%%%%%%%%%%%
f1=mean(mean(fenetre.wind_coul(:
1)));
f2=mean(mean(fenetre.wind_coul(:
2)));
f3=mean(mean(fenetre.wind_coul(:
3)));
Sf=sqrt((fenetre.wind_coul(:
1)-f1).^2+(fenetre.wind_coul(:
2)-f2).^2+(fenetre.wind_coul(:
3)-f3).^2);
fchapo1=(fenetre.wind_coul(:
1)-f1)./Sf;
fchapo2=(fenetre.wind_coul(:
2)-f2)./Sf;
fchapo3=(fenetre.wind_coul(:
3)-f3)./Sf;
%%%%%%%%x2亮度转型显示%%%%%%%%%%%%%
%%%%%%%%x3=f(x2)%%%%%%%%%%%%%%%%%%
a=1.2;
b=20;
x3=a.*x2+b;
[fenetrej]=InitFen(fenetrei,x3);
figure(6)
figure(7)
%%%%%%%%%%%计算标准相关%%%%%%%%%%%%%%
g1=mean(mean(fenetrei.wind_coul(:
g2=mean(mean(fenetrei.wind_coul(:
g3=mean(mean(fenetrei.wind_coul(:
Sg=sqrt((fenetrei.wind_coul(:
1)-g1).^2+(fenetrei.wind_coul(:
2)-g2).^2+(fenetrei.wind_coul(:
3)-g3).^2);
gchapo1=(fenetrei.wind_coul(:
1)-g1)./Sg;
gchapo2=(fenetrei.wind_coul(:
2)-g2)./Sg;
gchapo3=(fenetrei.wind_coul(:
3)-g3)./Sg;
sommefg=(fchapo1-gchapo1).^2+(fchapo2-gchapo2).^2+(fchapo3-gchapo3).^2;
fenetremin=fenetrei;
min=SSD(i,j);
%%%%%%%%%%%%%%显示测试结果%%%%%%%%%%%%%%%%
figure(8);
标准相关
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 相关性 SSD 算法