简介：
本⽂主要介绍⼏种基于灰度的图像匹配算法：平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平⽅和算法（SSD）、平均
误差平⽅和算法（MSD）、归⼀化积相关算法（NCC）、序贯相似性算法（SSDA）。下⾯依次对其进⾏讲解。
MAD算法
介绍
平均绝对差算法（Mean Absolute Differences，简称MAD算法），它是Leese在1971年提出的⼀种匹配算法。是中常⽤⽅法，该
算法的思想简单，具有较⾼的匹配精度和较少的计算量，⼴泛⽤于图像匹配。
设S(x,y)是⼤⼩为mxn的搜索图像，T(x,y)时MxN的模板图像，分别下图(a)、(b)所⽰，我们的⽬的是：在(a)中到与(b)匹配的区域（黄 框所⽰）。
算法思路
在搜索图S中，取以(i,j)为左上⾓，MxN⼤⼩的⼦图，计算其与模板图相似度；在所有能够取到的⼦图中，到与模板图最相似的⼦图
作为最终结果。MAD算法的相似性测度公式如下。显然，平均绝对差D(i,j)越⼩，表明越相似，故只需到最⼩的D(i,j)即可确定⼦图位置： 其中：
算法评价：
优点：
①思路简单，容易理解（⼦图与模板图对应位置上，灰度值之差的绝对值总和，再求平均，实质：是计算的是⼦图与模板图的L1距离的平
均值）。
②运算过程简单，匹配精度⾼。
机械曝气机缺点：
①运算量偏⼤。
②对噪声⾮常敏感。———————————————————————————————————————————————————————————————
SAD算法
介绍
绝对误差和算法（Sum of Absolute Differences，简称SAD算法）。实际上，SAD算法与MAD算法思想⼏乎是完全⼀致，只是其
相似度测量公式有⼀点改动（计算的是⼦图与模板图的L1距离）。这⾥不再赘述。
算法实现
由于⽂章所介绍的⼏个算法⾮常相似，所以本⽂仅列出对SAD算法进⾏的代码，其余算法实现就如出⼀辙了。MATLAB代码
[cpp]
1. <pre name="code" class="cpp">%%
2. %绝对误差和算法（SAD）
3. clear all;
4. close all;
5. %%
6. src=imread('lena.jpg');
7. [a b d]=size(src);
8. if d==3
9. src=rgb2gray(src);
10. end
11. mask=imread('lena_mask.jpg');
12. [m n d]=size(mask);
13. if d==3
14. mask=rgb2gray(mask);
15. end人脸识别医疗
16. %%
17. N=n;%模板尺⼨，默认模板为正⽅形
18. M=a;%代搜索图像尺⼨，默认搜索图像为正⽅形
19. %%
20. dst=zeros(M-N,M-N);
21. for i=1:M-N %⾏
22. for j=1:M-N
23. temp=src(i:i+N-1,j:j+N-1);
24. dst(i,j)=dst(i,j)+sum(sum(abs(temp-mask)));
25. end
26. end
27. abs_min=min(min(dst));
宿主化28. [x,y]=find(dst==abs_min);
29. figure;
30. imshow(mask);title('模板');
31. figure;
32. imshow(src);房地产管理系统目标
33. hold on;
34. rectangle('position',[x,y,N-1,N-1],'edgecolor','r');
35. hold off;title('搜索图');
黄桃去皮机输出结果———————————————————————————————————————————————————————————————
SSD算法
segg
误差平⽅和算法（Sum of Squared Differences，简称SSD算法），也叫差⽅和算法。实际上，SSD算法与SAD算法如出⼀辙，只
是其相似度测量公式有⼀点改动（计算的是⼦图与模板图的L2距离）。这⾥不再赘述。
———————————————————————————————————————————————————————————————
MSD算法
平均误差平⽅和算法（Mean Square Differences，简称MSD算法），也称均⽅差算法。实际上，MSD之余SSD，等同于MAD之
余SAD，故此处不再赘述。———————————————————————————————————————————————————————————————
NCC算法
归⼀化积相关算法（Normalized Cross Correlation，简称NCC算法），与上⾯算法相似，依然是利⽤
⼦图与模板图的灰度，通过
归⼀化的相关性度量公式来计算⼆者之间的匹配程度。
其中，、分别表⽰(i,j)处⼦图、模板的平均灰度值。
OK，以上便是⼏种常见的基于灰度的模板匹配算法。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议