樣板比對

樣板比對是一種將擷取到的影像資料與資料庫內的既有樣板資訊 作比對的動作，找出影像中相似於樣板的地方。然而資料庫內的原始樣 板可能未必是比對時的最佳選擇，此時可加入某些參數如 scale、

rotation，控制樣板的放大縮小、旋轉，使其更符合影像中欲比對的物 件格式。然而在樣板比對時，怎樣的比對結果是所謂的＂最相似＂，一

般常見的 metric 為計算影像子區塊和樣板之間的 difference 或 cross- correlation 的值，以定義二者之間的相似程度。以下列出這二個 metric 的數學運算式：

tmp col tmp row

i j

tmp col tmp row

D x y abs templet i j f i x j y

tmp col tmp row

templet i j f i x j y

C x y

tmp col tmp row

µ µ

= =

− + − + − −

=

∑ ∑

方程式(5.1)、(5.2)中的D x y( , )、C x y( , )分別代表著樣板中心移到 影像位置(x,y)的地方時，影像子區塊和樣板影像的像素 difference 及 cross-correlation。以 difference 來看，D(x,y)的值越小，表示樣板 和在位置(x,y)的影像子區塊相似度越高。以 cross-correlation 來說，

C(x,y)值越大，表示樣板和在位置(x,y)的影像子區塊二者相似度越高。

比對方式：

樣板比對的目的是找尋影像中相似於樣板的地方，然而如何的比 對、找尋策略也很重要，因為 Search Strategy 關係著計算量、計算時 間及準確度的問題，應依使用環境與應用選擇適當的 Search Strategy。

以下介紹幾種 Search Strategy 並分析其優缺點。

[Full Search]

圖 5-3-1 Full Search

圖 5-3-1 為利用 Full Search 的方式進行樣板比對，藍色影像為比 對影像、紅色影像為樣板影像。比對方式從最左下的樣板影像[樣板中

心點座標( ', ')x y ]開始進行比對，接著移動樣板 x 軸 1 個像素距離或移動

y 軸 1 個像素距離，逐步的進行比對的工作，以這樣的 Search 方式，找 出最相似的影像子區塊。Full Search 是以逐步增加 x 軸或 y 軸像素距 離去進行比對的工作，因此比對的結果較準確，但是因為它針對影像中 每一位置逐一比對，所耗費的計算量及計算時間都太大。

[N-Pixel-Shifting Search]

圖 5-3-2 N-Pixel-Shifting Search

圖 5-3-2 為 N-Pixel-Shifting Search 示意圖，此 Search 方式和 Full Search 方式唯一的不同是，Full Search 方式是移動 x 軸或 y 軸 一個像素的距離來進行比對的動作。N-Pixel-Shifting Search 方式是 以移動 x 軸或 y 軸 N 個像素距離的方式進行比對的動作。此 Search 方 式因為是以 N 個像素距離為移動的單位，因此比對時的所花費的計算量 及計算時間相較於 Full Search 小。但因移動間隔為 N 個像素距離，因 此樣板比對的精確度較小。

[Down-Sampling Search]

圖 5-3-3 Down-Sampling Search

圖 5-3-3 為 Down-Sampling Search 的示意圖，在進行比對時，樣 板移動的方式和 Full Search 是一樣的，以一個像素距離為移動的單 位，進行 x 軸、y 軸方向的比對。但在進行相似性 metric(difference、

cross-correlation)的計算時，並沒有比對全部的樣板影像，而是比對 樣板經 down-sampling 後的影像。以下以圖 5-3-4 說明比對的方式：

圖 5-3-4 比對樣本

我們以圖 5-3-4 來說明 down-sampling 比對的計算方法及其比對的 樣本，並以最左下角的影像子區塊來說明。如圖所示，拿出樣板影像和 比對影像的 x 軸、y 軸的 1、3、5、7 位置的像素，比對二者相對位置像 素的 difference 或 cross-correlation，而 x、y 座標為 2、4、6 的像 素是不處理的。

由上可知 Down-Sampling Search 的運算方式與流程，因其比對樣 本為原始樣板的某些取樣點，因此要處理的像素變少、計算量較少。而 在準確度方面，因其使用 sampling 的樣本，準確度比 Full Search 方 式低。

[Coarse-to-Fine Search]

經由上述的介紹，我們知其個別的 Search 方式都有其優缺點，有 些為精確度高，但計算量卻很高，有些則計算量低，但其精確度卻較低。

正因為有計算量、精確度二者取捨的考量，因此可依序使用二種 Search 的方式，使其計算量及精確度都在一可接受的範圍之內，我們稱這種 Search Strategy 為 Coarse-to-Fine Search，以下說明此 Search 方式 的運作流程：

圖 5-3-5 Coarse-to-Fine Search 流程圖

圖 5-3-5 為 Coarse-to-Fine Search 流程圖，首先給定比對影像和 樣板影像的資訊，接著使用 N-Pixel-Shifting Search 或 Down-Sampling Search 方式，快速的比對樣板和輸入影像最相似的地方，雖然經此樣板 比對之後的結果可能不是非常的準確，但其實已經粗略的定位出樣板和

比對影像的對應位置了。知道粗略的位置資訊之後，可進一步的利用 Full Search 方式，搜尋前述所定位之位置的附近區域，精確的找出樣 板和輸入影像中最相近的子區塊。