标准的基于欧式距离的模板匹配算法优源码化和实现(附源代码)。

     很久没有出去溜达了,今天天气好,就放松放松去,晚上在办公室没啥事,把以前写的一个基于标准的欧式距离的模板匹配代码共享吧。

     opencv有模板匹配的代码,我没看他是如何优化的,所以不管他吧,我只描述我自己实现。

     基于欧式距离的模板匹配就是遍历被匹配图的每一个像素,然后计算以该像素为中心,和模板图重叠部分的像素的欧式距离,当模板图越大时,计算就急剧增加,因此做优化才能有真正的实用价值。

     两个标量的欧式距离表达式为 (a - b) * (a - b),展开后为 a^2 + b^ 2 - 2ab,我们每一个像素点的计算就是WM * HM个像素色阶值的距离的累加和(WM和HM分别为模板图的宽度和高度),模板匹配中,模板图所有像素的平方和是固定的,可以提前计算,而被匹配图中每个像素点周边WM * HM的像素的平方和可以使用类似BoxBlur中懒惰算法快速的得到,而只有两者的成绩项是必须每个点重新计算,这也是整个计算过程中最为耗时的部分,如果直接用C的代码写出来,恐怕等到花儿都谢了。

     我在图像处理中任意核卷积(matlab中conv2函数)的快速实现一文中曾经给出过一种基于SSE的的快速卷积的算法,他可以一次性计算出16个字节的乘法,速度因此也得到了大的提升,因此,完全可以用在上述的计算a * b的过程中,这样我们的模板匹配速度就能有质的提高。

    计算模板图的像素自乘平方和代码非常简单,也没啥耗时,简单代码如下:

int GetPowerSum(TMatrix *Src)            //    无需注释
{
    if (Src == NULL || Src->Data == NULL) return 0;
    if (Src->Depth != IS_DEPTH_8U) return 0;

    int X, Y, Sum, Width = Src->Width, Height = Src->Height;
    unsigned char *LinePS;
    
    if (Src->Channel == 1)
    {
        for (Y = 0, Sum = 0; Y < Height; Y++)
        {
            LinePS = Src->Data + Y * Src->WidthStep;
            for (X = 0; X < Width; X++)
            {
                Sum += LinePS[X] * LinePS[X];
            }
        }
    }
    else
    {
        for (Y = 0, Sum = 0; Y < Height; Y++)
        {
            LinePS = Src->Data + Y * Src->WidthStep;
            for (X = 0; X < Width; X++)
            {
                Sum += LinePS[0] * LinePS[0] + LinePS[1] * LinePS[1] + LinePS[2] * LinePS[2];
                LinePS += 3;
            }
        }
    }
    return Sum;
}  而计算被匹配图中每个像素为中心,WH*WM范围内像素的自乘平方和的O(1)算法也比较简单:
/// <summary>
/// 计算图像的局部平方和,速度已经优化,支持1和3通道图像。(2015.10.5日)
/// </summary>
/// <param name="Src">待求平方和的图像。</param>
/// <param name="Dest">平方和数据,需要使用int类型矩阵保存,大小为Src->Width - SizeX + 1, Src->Height - SizeY + 1,程序内部分配数据。</param>
/// <param name="SizeX">在水平方向使用的模板大小,如果是半径模式,对应的量为2 * Radius + 1。</param>
/// <param name="SizeY">在垂直方向使用的模板大小,如果是半径模式,对应的量为2 * Radius + 1。</param>
/// <remarks> 1:使用了类似BoxBlur里的优化算法,耗时和参数基本无关。</remarks>
/// <remarks> 2:也可以使用积分图实现。</remarks>

IS_RET GetLocalSquareSum(TMatrix *Src, TMatrix **Dest, int SizeX, int SizeY)
{
    if (Src == NULL || Src->Data == NULL) return IS_RET_ERR_NULLREFERENCE;
    if (Src->Depth != IS_DEPTH_8U || Src->Channel == 4) return IS_RET_ERR_NOTSUPPORTED;
    if (SizeX < 0 || SizeY < 0) return IS_RET_ERR_ARGUMENTOUTOFRANGE;
    
    int X, Y, Z, SrcW, SrcH, DestW, DestH, LastIndex, NextIndex, Sum;
    int *ColSum, *LinePD;    
    unsigned char *SamplePS, *LastAddress, *NextAddress;
    IS_RET Ret = IS_RET_OK;

    SrcW = Src->Width, SrcH = Src->Height;
    DestW = SrcW - SizeX + 1, DestH = SrcH - SizeY + 1;

    Ret = IS_CreateMatrix(DestW, DestH, IS_DEPTH_32S, 1, Dest);                                
    if (Ret != IS_RET_OK) goto Done;
    ColSum = (int*)IS_AllocMemory(SrcW * sizeof(int), true);
    if (ColSum == NULL) {Ret = IS_RET_ERR_OUTOFMEMORY; goto Done;}

    if (Src->Channel == 1)
    {
        for (Y = 0; Y < DestH; Y++)
        {
            LinePD = (int *)((*Dest)->Data + Y * (*Dest)->WidthStep);
            if (Y == 0)
            {
                for (X = 0; X < SrcW; X++)
                {
                    Sum = 0;
                    for (Z = 0; Z < SizeY; Z++)
                    {
                        SamplePS = Src->Data + Z * Src->WidthStep + X;
                        Sum += SamplePS[0] * SamplePS[0] ;
                    }
                    ColSum[X] = Sum;
                }
            }
            else
            {
                LastAddress = Src->Data + (Y - 1) * Src->WidthStep;                    
                NextAddress = Src->Data + (Y + SizeY - 1) * Src->WidthStep;            
                for (X = 0; X < SrcW; X++)
                {
                    ColSum[X] -= LastAddress[X] * LastAddress[X] - NextAddress[X] * NextAddress[X];
                }
            }
            for (X = 0; X < DestW; X++)
            {
                if (X == 0)
                {
                    Sum = 0;
                    for (Z = 0; Z < SizeX; Z++)
                    {
                        Sum += ColSum[Z];
                    }
                }
                else
                {
                    Sum -= ColSum[X - 1] - ColSum[X + SizeX - 1];
                }
                LinePD[X] = Sum;
            }
        }
    }
    else if (Src->Channel == 3)
    {
        for (Y = 0; Y < DestH; Y++)
        {
            LinePD = (int *)((*Dest)->Data + Y * (*Dest)->WidthStep);
            if (Y == 0)
            {
                for (X = 0; X < SrcW; X++)
                {
                    Sum = 0;
                    for (Z = 0; Z < SizeY; Z++)
                    {
                        SamplePS = Src->Data + Z * Src->WidthStep + X * 3;            //    三通道累加到一起
                        Sum += SamplePS[0] * SamplePS[0] + SamplePS[1] * SamplePS[1] + SamplePS[2] * SamplePS[2];
                    }
                    ColSum[X] = Sum;
                }
            }
            else
            {
                LastAddress = Src->Data + (Y - 1) * Src->WidthStep;                    
                NextAddress = Src->Data + (Y + SizeY - 1) * Src->WidthStep;    
                for (X = 0; X < SrcW; X++)
                {
                    ColSum[X] += NextAddress[0] * NextAddress[0] + NextAddress[1] * NextAddress[1] + NextAddress[2] * NextAddress[2] - LastAddress[0] * LastAddress[0] - LastAddress[1] * LastAddress[1] - LastAddress[2] * LastAddress[2];
                    LastAddress += 3;
                    NextAddress += 3;
                }
            }
            for (X = 0; X < DestW; X++)
            {
                if (X == 0)
                {
                    Sum = 0;        
                    for (Z = 0; Z < SizeX; Z++)
                    {
                        Sum += ColSum[Z];
                    }
                }
                else
                {
                    Sum -= ColSum[X - 1] - ColSum[X + SizeX - 1];
                }
                LinePD[X] = Sum;
            }
        }
    }
Done:
    IS_FreeMemory(ColSum);
    return Ret;
}
  上述代码思路类似于BoxBlur的实现方式,如果还想更快点,可以参考解析opencv中Box Filter的实现并提出进一步加速的方案(源码共享)一文的基于SSE的处理方式,有兴趣的朋友可以自研。

       其实速度也不快,但是有些应用场合模板图很小(比如16*16的),被匹配图也不大,比如640 * 480的,这个时候大概也就30ms左右吧,如果是灰度的匹配那就能更快了。

       其实代码如果想优化,还是可以用线程并行的。

      代码下载:http://files.cnblogs.com/files/Imageshop/MatchTemplate.rar(解压密码: Buy me a beer)

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据小魔方

sparklines迷你图系列12——Composition(Pie)

今天分享sparklines迷你图系列13——Composition(Pie)。 大家看到名字就肯定知道是饼图了。借助sparklines迷你图工具,我们可以通...

2427
来自专栏IT派

讲解 Vision 图像识别框架 API详解

本篇文章主要简单介绍下其中的 Vision API 的使用(Vision更强大的地方是可以结合Core ML模型实现更强大的功能,本篇文章就不详细展开了) Vi...

3596
来自专栏逍遥剑客的游戏开发

GDC2016: Animating With Math

2458
来自专栏人人都是极客

三维图形渲染显示的全过程

图像中物体所处位置及外形由其几何数据和摄像机的位置共同决定,物体外表是受到其材质属性、光源、纹理及着色模型所影响。

1012
来自专栏落影的专栏

视频直播与虚拟现实的渲染 - OpenGL ES

这是一篇OpenGL ES的学习笔记,介绍图像绘制里面用到的概念,学习OpenGL ES的基础知识备忘录。 教程 OpenGLES入门教程1-Tutorial0...

2688
来自专栏菩提树下的杨过

Flash/Flex学习笔记(57):实用技巧

布朗运动: varnumDots:uint=50; varfriction:Number=0.9; vardots:Array; varlife:uint=0;...

23910
来自专栏豆包的专栏

白夜追凶 :手 Q 图片的显示和发送逻辑

本文整理总结了手 q 中图片的显示和发送逻辑,以及对透明通道图片的特殊处理。

4892
来自专栏逸鹏说道

GIF/PNG/JPG和WEBP/base64/apng图片优点和缺点整理

阅读目录 GIF(Graphics Interchange Format) PNG(Portable Network Graphics) JPG(Joint P...

3509
来自专栏点滴积累

PhiloGL学习(4)——三维对象、加载皮肤

前言 上一篇文章中介绍了如何响应鼠标和键盘事件,本文介绍如何加载三维对象并实现给三维对象添加一个漂亮的皮肤。 一、 原理分析 我对三维的理解为:所谓三维对象无非...

3286
来自专栏Petrichor的专栏

显示器 设置选项 解析

531

扫码关注云+社区