文档介绍：模板匹配MATLA睢现及算法优化
一、引言
现代社会已进入信息时代,随着计算机技术、通信技术和数学的开展,图像信息处理水平和水平也不断提升,相应的也得到和更多关注、,可广泛用于目标识
end
结果：
m■■一■iu-ur
tEitime；2,9746M57463,e746
s^-«,,,■^
未优化运行时间：T=
F―,!
H-rne1J52417524L7524
采用差值测度优化后运行时间：T=
.TMP优化
思路：TMP法首先认为原图与模板具有相同的直流分量,那么只要检测除直流分量能量外的能量水平,就可以判断相似性.
语句：
Nimage=im(i:i+r2-1,j:j+c2-1);
Nimage=Nimage-mean(mean(Nimage));
corr=sum(sum(Nimage.*image22));
M(i,j)=corr/sqrt(sum(sum()));
结果：
田time15-53153131,5853
采用TMP优化算法后运行时间：T=
.TMC优化
思路：TMC法原理与TMP法相同,只是在计算时省略了归一化过程语句：
Nimage=im(i:i+r2-1,j:j+c2-1);
Nimage=Nimage-mean(mean(Nimage));
corr=sum(sum(Nimage.*image22));
corrMat(i,j)=corr;
结果：
采用TMC优化算法后运行时间：T=
.边缘检测优化
思路：以上所有算法的处理对象都是模板及原图包含的所有信息,但是区别一个物体最直观的方式是区分他的轮廓,所以如果先提取原图与模板轮廓,然后再进行匹配计算,那么在保证精度的根底上可以大大减少信息处理量.
语句：
tedge=edge(tt);
wedge=edge(ww);
out=filter2(tedge,wedge);
o=max(max(out));
output=(1/o)*out;
结果：
&
采用边缘检测优化算法后运行时间：T=
结论：以上4种优化算法相比原未优化算法,在处理相同模板匹配问题的前提下,,边缘检测优化算法更具优势.
五、主要程序
.未优化原程序
clc
clear
closeall
tic;
im=imread('D:\1120210260??'?\t-m\');%?&e??-i???
T=imread('D:\1120210260??'?\t-m\');%?&e??¥??i???
imshow(im);
im=rgb2gray(im);%???-1??o?e?
T=rgb2gray(T);%???¥??i??o?e?
im=double(im);
T=double(T);
[m,n]=size(T);%??e??¥??i??6心’oD?3?[M,N]=size(im);%??e??-i??6心’oD?3?'?
holdonfori=1:M-mforj=1:N-n
temp=imcrop(im,[j,i,n-1,m-1]);r=corr2(temp,T);%6?心d1??心6y
ifr>%1??
%????o?ploto6y?u?-i?a?x?±6?a6??-3??¥????oo
plot(j:j+n,i,'w');
plot(j:j+n,i+m,'w');
plot(j,i:i+m,'w');
plot(j+n,i:i+m,'w');
endendend
time=toc;
.差值测度优化
clcclearcloseall
tic;
im=imread('D:\1120210260??'?\t-m\');%?&e??-i???
T=imread('D:\1120210260??'?\t-m\');%?&e??¥??i???
imshow(im);im=rgb2gray(im);%???-1??o?e?
T=rgb2gray(T);%???¥??i??o?e?
im=double(im);
T=double(T);
[m,n]=size(T);%??e??¥??i??6心’oD?3?[M,N]=size(im);%??e??-i??6心’oD?3?'?
holdon
fori=1:M-m