opencv Matchtemplate遍历原理以及有哪些优化？

风来我也来 2011-10-19 08:36:58

opencv模板匹配函数的滑动窗口遍历是怎么个过程？看它源代码用了很多傅里叶变换，有点蒙了。有谁知道在优化过程中opencv模板匹配做了那些优化？
我自己写了个匹配函数，注释掉其他部分单纯保留窗口遍历部分耗时是上千秒。
图像是5000*3000规模，模板大小是256*256.
如果直接采用opencv模板匹配函数滑动窗口遍历图片到找到最匹配点也才十几秒。
主要遍历过程见下面（蓝色字体部分）：
bool Cacluatesimilarity()
{
int i,j;
if (CircleR>0)
{
int y,step=CircleImage->widthStep;
if (expR==NULL)
{
SetExpR();
}
int inputNum=1;
double *ExpRdata,*TemplateFData,*TemplateData,*TemplateConjugateData,*srcExpRdata,*srcFData,*srcData;
while(inputNum<CircleR)
{
inputNum=inputNum*2;
}
ExpRdata=new double[inputNum*2];
TemplateFData =new double[inputNum*2];
TemplateData =new double[inputNum*2];
TemplateConjugateData =new double[inputNum*2];
srcExpRdata =new double[inputNum*2];
srcFData =new double[inputNum*2];
srcData =new double[inputNum*2];

//计算模板上部分卷积结果
for(i=0;i<CircleR;i++)
{
ExpRdata[2*i]=expR[i].re;
ExpRdata[2*i+1]=expR[i].im;
}
for(i=CircleR;i<inputNum;i++)
{
ExpRdata[2*i]=0.;
ExpRdata[2*i+1]=0.;
}

SetCgRT(Templatehighpoint);
int cheight=CircleImage->height-CircleR*2-1,cwidth=CircleImage->width-CircleR*2-1;
for(i=0;i<cheight;i=i+StepDistance)
{
step=CircleImage->widthStep*i;
for (j=0;j<cwidth;j=j+StepDistance)
{
SetCgR(cvPoint(j,i));//之后进行匹配代码已删除。目的是实现快速圆投影匹配。这边是滑动窗口。具体见下面。 }
}
}
return true;
}

bool SetCgR(CvPoint center)
{
if (CircleR>0)
{
int i,j,r=CircleR*2,y,imagewidth=CircleImage->widthStep;
…………
for (i=0;i<r;i++)
{
y=(center.y+i)*imagewidth;
for (j=0;j<r;j++)
{
CgR[CircleProjection[i][j]] +=(uchar)CircleImage->imageData[y+center.x+j];//CircleProjection是一个存储窗口内各点相对于窗口中心点的半径坐标值。 }
}
}
return true;
}

bool SetCircleProjection()//窗口中的笛卡尔坐标坐标到极坐标映射（只算半径，角度无关所以没计算。）
{
if (CircleR>0)
{
int i,j;
int r=CircleR*2+1,y;
if(CircleProjection!=NULL)
{
for( i=0;i<r;i++)
{
delete[] CircleProjection[i];
}
delete[] CircleProjection;
}
CircleProjection=new int*[r];
for (i=0;i<r;i++)
{
CircleProjection[i]=new int[r];
}
CircleRNumer=0;
for(i=0;i<r;i++)
{
y=(i-CircleR)*(i-CircleR);
for(j=0;j<r;j++)
{
CircleProjection[i][j]=(int)(sqrt(y+(j-CircleR)*(j-CircleR)*1.0)+0.5);
if (CircleProjection[i][j]<=CircleR)
{
CircleRNumer++;
}
}
}
}
return true;
}

...全文

1539 8 打赏收藏转发到动态举报

写回复

用AI写文章

8 条回复

切换为时间正序

请发表友善的回复…

发表回复

bluce530544 2012-01-03

打赏
举报

傅里叶变换成频域，用了卷积定理的特性，时域中得卷积等于频域中得乘积，再傅里叶反变换；得到的值就是时域中得卷积运算的值，该值就是相识值

风来我也来 2011-10-26

打赏
举报

[Quote=引用 3 楼 yh880 的回复:]
看了opencv书籍书中说了一个integral函数，用这个可以加快可变窗口相关计算。
[/Quote]
跟这个无关，这个只是后续归一化时加速用。核心的是使用卷积原理：
cvDFT( _dft_img, _dft_img, CV_DXT_FORWARD, isz.height );
cvGetSubRect( dft_templ, dst,
cvRect(0,(templ_cn>1?yofs:0),dftsize.width,dftsize.height) );

cvMulSpectrums( _dft_img, dst, _dft_img, CV_DXT_MUL_CONJ );
cvDFT( _dft_img, _dft_img, CV_DXT_INVERSE, csz.height );
步骤如下：
1.将模板图像填补到和待匹配图像一样大小，补充的部分填0.进行傅里叶变换，下面称作傅里叶模板。（模板原始图像放在左上角，对应后面取值矩阵起始点也是左上角。）
2.将待匹配图像进行傅里叶变换。下面称为傅里叶图像。
3.将傅里叶模板与傅里叶图像进行傅里叶乘法。之后进行反变换。
4.在上述变换结果取相关矩阵大小（起始点参照1。）即为结果（使用cvMatchTemplate方法选取为CV_TM_CCORR，此时即为结果。其他方法则在此基础上增加了其他操作。）
因为有补零影响，所以使用cvMatchTemplate得到的位置可能有偏差，建议得到这个结果后，自己再写for循环在附近点进行匹配计算结果。
欢迎大家继续来讨论。

风来我也来 2011-10-21