圖形辨識比對

在數位影像處理中，圖形比對（Pattern Match）是一門重要的學 問。在影像處理的領域裡，將近有百分之九十均使用到圖形比對【18】。

對於不同的影像辨別比對方法，在執行效果與使用環境各有不同。我們 可以將常見的影像辨識分為三個部分：直接影像比對、影像特徵值比對 和混合這兩種技術。

對於直接影像比對，其針對影像中各個像素之差異比較分析其輸入 之影像與樣版（template）間之相似度，其中最常用的方法有分為正規 化灰階相關法（Normalized Gray-scale Correlation，NGC）或正規化 相關匹配法（Normalized Cross Correlation，NCC）。另外對於影像

特徵值比對則是利用分析影像的特徵資訊（外型特徵、結構特徵、紋路 特徵），並從影像中收集分類的特徵資訊，再從其中找出作為圖形比對 的參考。對於其外型特徵，包括本身物件之大小、形狀、邊框周界……

等。對於其結構特徵則是

文字骨架之分支、走向和端點特徵座標……等。紋路特徵則是包含了物 件的顏色分佈、粗細、是否連續……等。

而圖形比對主要用途可分為以下三種：

（1）對齊：決定一已知物件的位置及方向。

（2）量測：量測一物體之幾何性質，如：長度、角度、半徑……等等。

（3）檢測：可以檢測其物件之狀態。

正規化灰階相關法（Normalized Gray-scale Correlation，NGC）

 在1940年，美國麻省理工學院發展出一套圖形比對數學法則，即是 後來的NGC演算法，其基本原理乃是先建立一個學習樣版，然後以此樣 版與欲測試的引向進行逐行逐列式的數學比對，如此對比的結果，所得 到的數值越高，代表其相似度越高。換句話說，所測試影像的結果與學 習樣版的吻合度相當的高。

這個NGC數學法則，往往必須藉由大型的超級電腦運算，才能夠得 到正確的結果，因為其中包含太多線性回歸計算與繁重的運算式。直到 1980年後期，美國Cognex公司開發出一套改良式的圖形辨識軟體，加快 了圖形辨識的精度與執行的速度，因此取而代之，成為當時全世界最為 廣泛應用於的影像辨識技術。

在NGC演算法中，其是根據樣版與預測影像之間的相似性，產生一 個分數（score）來表示不同的相似程度。其中其分數介於0到1之間，所

得的數值越大，表示其待測影像與原樣版比對之結果極為相似。反之數 值越小，所代表結果越不相似。

正規化相關匹配法（Normalized Cross Correlation，NCC）

在空間迴旋運算（Spatial convolution）公式中，

  G m n W k l F m kn l

  

由柯西-蕭瓦茲（Cauchy-Schwartz）不等式可得下式，

  ¹    ^1/2

版上每個樣素的結果。所以當C為最大值時，便為f中最相似樣版^{w ,} ^{x y} 的 位置。因此，與原始的NGC理論相比，其NGC容易受到樣版、原始影像亮 度的影響而改變其值。所以我們如果採用正規化的相關運算，可以消除

圖 4.8  正規化灰階相關圖