模板匹配子像素精度

Question

我使用模板匹配来检测图像中的特定模式。确定的偏移非常不稳定。目前我将其分别应用于R、G、B通道并对结果进行平均以获得浮点值。请建议如何获得亚像素精度。我打算调整图像大小，然后以原始比例返回数据，请建议任何其他更好的方法。

。

我使用Opencv网站上提到的代码“http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html”

Answer 1

我认为根本问题是

minMaxLoc

仅具有像素精度。您可以从此处的讨论中尝试亚像素精确的补丁http://www.longrange.net/Temp/CV_SubPix.cpp：http://answers.opencv.org/question/29665/getting-subpixel- with-matchtemplate/ .

作为一个快速而肮脏的实验，如果亚像素精确的 minMaxLoc 可以解决您的问题，您可以使用三次插值放大模板匹配结果图像（例如，放大 4 倍）

INTER_CUBIC

http://docs .opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html#resize 并在其上应用

minMaxLoc

。 （与线性插值相反，三次插值确实会移动最大值。）

除此之外，您始终可以对输入图像和模板匹配结果应用高斯模糊，以减少高频噪声并抑制局部最大值。

我会先尝试一下快速实验。如果有帮助，您可以集成

minMaxLogSubPix

实现，但这将需要更长的时间。

Answer 2

在转向亚像素精度之前先从像素精度开始是一件好事。以亚像素精度检查整个图像将非常昂贵。

一个简单的解决方案可能是拥有 4 个版本的模板。除了基本的之外，还有一个向左移动 1/2 像素，另一个向下移动 1/2 像素，最后一个在两个方向上移动 1/2 像素。当您在

{x,y}

处有匹配时，请检查邻域以查看半移模板是否是更好的匹配。

这个方法的好处是只需要移动小模板即可，而且可以提前完成。

话虽如此，您似乎正在随着时间的推移跟踪对象的位置。对该位置进行低通滤波可能是值得的。

Answer 3

我可以提供两种我在实践中测试过的方法

1. 不要使用模板匹配，而是使用特征匹配，例如 SIFT 或类似的 OpenCV 算法。这些特征检测器确定特征最大值的子像素位置。
2. 您可以为 matchTemplate 实现类似于 SIFT 的行为。得到minMaxLoc后，获取邻近点处的值并构造局部二次近似，即通过这些点绘制抛物面。您感兴趣的是这个抛物面的极值，即二阶导数变为零的点。

请记住，像素采样会导致混叠效应，即从奈奎斯特-香农定理的角度来看，精确的子像素重建是不可能的，并且频率越高，噪声就越多，因此预先应用一个小的子像素重建是有意义的调整高斯模糊（顺便说一句，这是由 sift 检测器自动执行的）。