模板匹配技术在图像识别中的应用

王琦煜

摘要：模式识别就是使用计算机采用数学模型的方式对需要研究的对象进行判读与处理。在众多模式识别技术中模板匹配技术是其中容易实现的一种，模板匹配数学模型容易构建，通过将模板匹配技术应用到图像识别中有助于增强图像识别的准确性，提升图像识别效果。本文重点分析了模板匹配技术在图像识别中的应用，并分析了其中存在的问题与对应的解决方法。

关键词：模板匹配技术；图像识别；应用

中图分类号：TP2

文献标识码A

文章编号2095-6363（2017）04-0093-02

计算机采用模式识别的方式需要研究问题是利用计算機去替代人将图像中所包含的目标找出来。在使用计算机去识别的过程中，多数需要使用不同传感器获得不同成像条件下在不同时间上2张以上图片的对比，或者使用已有的图片去与另一幅图片进行对比，这个过程就是模板匹配的过程。模板匹配是最为基本、最为原始的模式识别方法，借助模板匹配技术能够在图像中将物体找到，通常情况下待匹配的图像是模板匹配技术需要使用的模板，与模式识别模式较为类似。

1.模板匹配技术在图像识别中的应用

模板匹配技术的基本原理是通过使用数学函数将被搜索图的对应坐标关系找出，将找到的对应关系代入到数学模型中。在这个过程中模板匹配技术具备的图像识别能力往往较强，但是若处于严重干扰状态，或者参照的模板出现了较大变动，就需要使用更为深层的数学工具，构建出新条件下的数学模型。模板匹配技术包含了神经网络、模糊数学、自适应控制等技术，运算速度较快、实现方法简单，因此，将模板匹配技术应用到图像识别当中有着较为重要的意义。

1.1条码识别

变造币横竖条码是模板匹配技术进行条码识别的基础。其具体实施原理：在一个数轴上加上二维图像的灰度投影，然后以数学模型为基础，在特定数轴上进行匹配，可提升匹配效率，且在该投影过程中，因为其中产生的噪音有相互抵消的情况，这在一定程度上降低了误判、漏判的概率。

模板匹配技术在进行条码识别的过程中，在垂直于水平2个方向的图像，在具体使用时可以其灰度分布特征为基础，从这2个方面对模板与对象进行灰度投影。这时会得到模板投影的具体投影序列与等待匹配图像的投影序列，然后对得到的这两个序列进行匹配，找出这两组数据的相关值，将得到的相关值代入到投影函数当中。在模板匹配的过程中，模板投影曲线会出现一定的上下滑动，滑动过程中会得到一系列的位置数值，这样就得到了一个相关函数序列。将得到的函数序列代入到最佳门限值函数中，若两幅图是匹配的，那么得到的相关函数最大值超过对应的门限值。

在水平与垂直2个方面上具体的处理方法相同，且必须这2个方向满足了匹配的条件，匹配图像与样本图像才是匹配的，经过多次研究表明，模板图像和目标图像所呈现的灰度投影曲线是类似的。因此，模板匹配技术在进行条码识别的过程中可以起到较好的效果。

1.2指纹识别

运用模板匹配技术在指纹识别的过程中可以减少其中的计算步骤，加快匹配速度。在具体匹配的过程中，首先每间隔M个点搜索下匹配结果的优劣，然后在存在极大匹配的周围对其中的各个参考值的位置进行匹配，采用这种方法的优点在于可以最大限度下降低匹配点丢失的可能性。其次，对模板覆盖的M*M个点的范围内采用随机计算，将得到的计算结果定义为突出特征随机序列，这个随机序列决定了之后计算误差的先后顺序。最后，抛弃固定阈值，选择使用单调增长性阈值序列，这样就能够保证不属于匹配序列的阈值点被丢弃，真正可以进行匹配的点经过了多次误差排除之后降低了出现误差的概率。模板匹配技术在指纹识别的过程中使用质量非常好，所得到的识别度非常高，可以做到较为精确的定位。

1.3字符识别

使用模板匹配技术进行字符识别时，多数情况下可以使用识别精度高、方法简单的模板匹配方法，在具体实施中可分别采用以特征块为基础与特征加权为基础的模板匹配模型。在使用以特征加权为基础的模板匹配模型时，需要对标准模板与样本模板采用特征加权的方式，将其中包含的字符笔数重新进行权限分配。权重较高的部分通常位于中心，而权重较低的通常位于边缘，采用这种方式能够将样本模板与标准模板匹配，再按照对应模糊识别规则识别。在识别时需要对其中包含的所有字符进行加权，所以得到的识别率非常高。在使用以特征块为基础的模板匹配技术时，需要将模板进行切割，得到大小相同的方块，然后统计其中所包含的点，对得到的点根据标准模板进行匹配，这里得到的字符在匹配之前就已经得到了改造，包含的特征模块较少，因此，其工作量相对于前者也较少。

1.4基于不变矩的图像匹配

模板匹配技术中基于不变矩的图像匹配是一种高度浓缩的图像特征，具有旋转、尺度、灰度、平移等多种畸形不变性，所以，在图像识别方面有着较大的应用优势。在具体应用的过程中，用不变矩进行图像分析和识别的实验很多。

在对实时图像进行识别与匹配时，将测度选择为图像轮廓与检测模板进行对比，并将对应的遗传算法加入到其中，使用不变矩阵的方式从尺度、旋转、平移变化等方式对图像进行匹配，采用这种方式所带来的效果相对于常规算法有着较大优势。

2.存在的问题与解决方法

上述分析的图像识别多数情况下是处于理想的模板匹配中，但是在实际使用的过程中往往会受到其他因素的干扰，例如，若在匹配时对于噪声带来地影响没有进行充分的考虑，就非常有可能导致匹配失败。因此，为了克服模板匹配技术在图像识别中存在的缺陷，在具体使用的过程中，应当使用动态化的M滤波函数，这样得到的匹配点是可以进行调节的，构建出的数学模型也更加符合实际图像识别地需求。

3.结论

模板匹配技术在图像识别过程中，其关键部分就是使用数学，模板匹配的过程就是将图像数字化的过程，按照预定的顺序将每个点的像素值找到，然后将对应的像素值带入到已经构建好的数学模式中进行处理，处理的过程就是利用某一合适算法进行模板匹配的过程，匹配结束之后将得到的图像直接在原图上显示出来。通过分析可以发现，模板匹配技术在图像识别中应用的过程中最为关键的步骤就在于构建数学模型的过程，这是实现精确匹配的中心。