1

我正在尝试实现二维相关算法来检测图像中对象的位置,我不想使用任何内置函数估计二维相关。

这是我的代码:

I=imread('image.tif');      % image is a black image contains white letters.
h=imread('template.tif');   %template is a small image taken from the original image, it contains one white letter.
I=double(I);
h=double(h);
[nrows ncolumns]=size(I);
[nrows2 ncolumns2]=size(h);
C=zeros(nrows,ncolumns);

for u=1:(nrows-nrows2+1)
   for v=1:(ncolumns-ncolumns2+1)
       for x=1:nrows2
           for y=1:ncolumns2
               C(u,v)=C(u,v)+(h(x,y)*I(u+x-1,v+y-1));
           end
       end
  end
end

[maxC,ind] = max(C(:));
[m,n] = ind2sub(size(C),ind)   % the index represents the position of the letter.

output_image=(3.55/4).*C./100000;
imshow(uint8(output_image));

我认为它正在工作!但它很慢。

如何用更好的代码替换以下代码以加快算法速度?

   for x=1:nrows2
       for y=1:ncolumns2
           C(u,v)=C(u,v)+(h(x,y)*I(u+x-1,v+y-1));
       end
   end

我在想,每次我都有以下两个矩阵

h(1:nrows2,1:ncolumns2)I(u:u+nrows2-1,v:v+ncolumns2-1)

另一个问题,有什么改进吗?

谢谢。

4

3 回答 3

2

只要有可能,请尝试使用矩阵运算。所以尝试类似:

rowInds = (1:nrows2)-1;
colInds = (1:ncolumns2)-1;

temp = h.*I(u+rowInds,v+colInds);
C(u,v) = sum(temp(:));

代替:

for x=1:nrows2
    for y=1:ncolumns2
        C(u,v)=C(u,v)+(h(x,y)*I(u+x-1,v+y-1));
    end
end
于 2012-11-24T17:45:37.210 回答
0

是的,有很多改进。你根本不需要 for 循环。由于您不想使用 matlab 的xcorr2功能,您可以使用conv2. 请参阅我在这里给出的答案。

于 2012-11-24T17:23:57.507 回答
0

如何根据互相关定理确定傅里叶域中的互相关?这应该保证显着的速度增加。

于 2012-11-24T17:51:34.097 回答