标签：
简介
在上一篇文章： 基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA算法中，介绍了几种典型的模板匹配算法，但此类算法都存在时间复杂度高，对图像尺寸敏感等问题，即便是SSDA这样的优化算法复杂度也是很高的。
本文将介绍一种新的算法，叫做局部灰度值编码算法，它通过对灰度值编码来进行粗匹配，再用相位相关法进行精匹配。
算法介绍
粗匹配
与上一篇文章的假设相似，这里搜索图尺寸为MxM，模板T的尺寸NxN，模板T在搜索图S上滑动，滑动的上、下步长都为N（一个模板尺寸），也就把S分成了若干个T尺寸的子图。如果M不是N的整数倍，那么也不用管S图中的最底部和最右部剩余的几行几列。下面举一个例子来进行阐述。
搜索图S是一个512x512的lena图像即M=512，模板图T是其中的一个部分，大小为64x64，即N=64。正好将S划分成8x8个相邻且不重合的子图（也称限制块），每个子图（限制块）的尺寸与模板大小一样。接下来我们将要分别对模板和各个限制块进行编码（这就是为什么叫做局部灰度编码），再判断模板与哪个限制块相似度最高，以初步确定模板的位置，这就是粗匹配。
局不灰度编码
编码是通过定义KxK大小的R块来进行（这里分块有点多，画画图就一目了然了）。以对模板T编码为例，此处取R块的大小8x8，即K=8。此时就将T划分成了8x8个R块，求每个R块内部的像素和。
说明：R块的尺寸根据情况而定，也可以是....，9x9，10x10...，如果N不是K的整数倍，处理同上。总之分的R块越小对图像的描述就越精确，同样计算量也越大。
以某个R块为中心及其8-邻域R块，如下图。
版权声明：本文为博主原创文章，未经博主允许不得转载。
标签：
原文地址：http://blog.csdn.net/hujingshuang/article/details/47803791
