4.3　基于模板匹配的邊緣檢測

模板匹配（template matching）就是研究圖像與模板（template）的一致性（匹配程度）。為此，準備了幾個表示邊緣的標準模式與圖像的一部分進行比較，選取最相似的部分作為結果圖像。如圖4.3所示的Prewitt算子，共有對應于8個邊緣方向的8種掩模（mask）。圖4.4說明了這些掩模與實際圖像如何進行比較。與微分運算相同，目標像素及其周圍（3×3鄰域）像素分別乘以對應掩模的系數值，然后對各個積求和。對8個掩模分別進行計算，其中計算結果中最大的掩模的方向即為邊緣的方向，其計算結果即為邊緣的強度。

圖4.3　用于模板匹配的各個掩模模式（Prewitt算子）

圖4.4　模板匹配的計算例

圖4.5是一幀圖像采用不同微分算子處理的結果。可以看出，采用不同的微分算子，處理結果是不一樣的。在實際應用時，可以根據具體情況選用不同的微分算子，如果處理效果差不多，要盡量選用計算量少的算子，這樣可以提高處理速度。例如，在圖4.5中，（b）和（d）的微分效果差不多，但是（b）Sobel算子的計算量就會比（d）Prewitt算子少很多。

圖4.5　不同算子的微分圖像

另外，當目標對象的方向性已知時，如果使用模板匹配算子，就可以只選用方向性與目標對象相同的模板進行計算，這樣可以在獲得良好檢測效果的同時，大大減少計算量。例如，在檢測公路上的車道線時，由于車道線是垂直向前的，也就是說需要檢測左右邊緣，如果選用Prewitt算子，可以只計算檢測左右邊緣的③和⑦，這樣就可以使計算量減少到使用全部算子的1/4。減少處理量，對于實時處理，具有非常重要的意義。

此外，在模板匹配中，經常使用的還有圖4.6所示的Kirsch算子和圖4.7所示的Robinson算子等。

圖4.6　Kirsch算子

圖4.7　Robinson算子