リモートセンシング画像の制御ドットマッチングアルゴリズムについての一点の考え方(二)

void matchTemplate( const Mat& _img, const Mat& _templ, Mat& result, int method )
{
    CV_Assert( CV_TM_SQDIFF <= method && method <= CV_TM_CCOEFF_NORMED );

    //numType           ，0       ，1         ，2        
    //isNormed           ，true       ，false          

    int numType = method == CV_TM_CCORR || method == CV_TM_CCORR_NORMED ? 0 :
                  method == CV_TM_CCOEFF || method == CV_TM_CCOEFF_NORMED ? 1 : 2;
    bool isNormed = method == CV_TM_CCORR_NORMED ||
                    method == CV_TM_SQDIFF_NORMED ||
                    method == CV_TM_CCOEFF_NORMED;

    //           ，                ，          ，            
    Mat img = _img, templ = _templ;
    if( img.rows < templ.rows || img.cols < templ.cols )
        std::swap(img, templ);
    
    CV_Assert( (img.depth() == CV_8U || img.depth() == CV_32F) &&
               img.type() == templ.type() );

   //crossCorr            DFT  （       ），                   ，          result 
    int cn = img.channels();
    crossCorr( img, templ, result,
               Size(img.cols - templ.cols + 1, img.rows - templ.rows + 1),
               CV_32F, Point(0,0), 0, 0);

    //         ，        ，  
     if( method == CV_TM_CCORR )
return;

    //       1，             （             1，         ）
     double invArea = 1./((double)templ.rows * templ.cols);
Mat sum, sqsum;
Scalar templMean, templSdv;
double *q0 = 0, *q1 = 0, *q2 = 0, *q3 = 0;
double templNorm = 0, templSum2 = 0;

    //        
     if( method == CV_TM_CCOEFF )
{
integral(img, sum, CV_64F);// の  の を める
templMean = mean(templ);//テンプレート  の  ベクトルの  
}
Else//その のマッチングアルゴリズム
{
integral(img, sum, sqsum, CV_64F);// の  の と   を  する
meanStdDev( templ, templMean, templSdv );//テンプレート  の  ベクトルと  ベクトルの  
templNorm = CV_SQR(templSdv[0]) + CV_SQR(templSdv[1]) +
CV_SQR(templSdv[2]) + CV_SQR(templSdv[3]);//すべてのチャネルの  と
if( templNorm < DBL_EPSILON && method == CV_TM_CCOEFF_NORMED )
{//すべてのチャネルの  の が0に しく、    マッチングを   する  が  されている  は、
result = Scalar::all(1);
return;
}
templSum2 = templNorm +
CV_SQR(templMean[0]) + CV_SQR(templMean[1]) +
CV_SQR(templMean[2]) + CV_SQR(templMean[3]);//すべてのチャネルの     の  
if(numType!=1)/マッチング      ではなく、テンプレート  ベクトルとtemplNormに を  り て
{
templMean = Scalar::all(0);
templNorm = templSum2;
}
templSum2/= invArea;
templNorm = sqrt(templNorm);
templNorm/= sqrt(invArea);//care of accuracy here
q0 = (double*)sqsum.data;
q1 = q0 + templ.cols*cn;
q2 = (double*)(sqsum.data + templ.rows*sqsum.step);
q3 = q2 + templ.cols*cn;
}

    //                     ，    ，     OpenCV   
  
  
テスト 、  OpenCVで くと1 Gを える(この きさよりも さいかもしれません)の  はエラーになります.OpenCVコードを てみると、  にすべての  データをメモリにロードしたことに づき、メモリが  しています.また、OpenCVは  の   な  データフォーマットしかサポートしていません.ErdasのimgフォーマットやPCIのpixフォーマットを   くことはできません.この2つの  に して、 が  した   は  データの み みライブラリとして  GDALを い、そしてブロックに けてデータの  を み す(1つのサイズを  して、 が  したのは64 Mのデータを むたびに)、もし  データがこのサイズを えるならば、ブロック  して、  1つのブロックを  して、OpenCVは1つのメモリデータを  することができて、  のRGBの を  の  でメモリの に み って、それからこのポインタをOpenCVに して、OpenCVはこのメモリデータを じて1つの  を  することができて、それから に  しますテンプレートマッチングアルゴリズムを いて  した  は, の きな  に  された  にある.
  の    では、  のように    であり、    は1 Gのimg  で128*128のテンプレートを  するのに1   かかり、 のブログのように  もスピードが がった(1 Gのデータはおよそ4    されていますが、まだ  が わっていません).1 minで べた  は  できるはずですが、まだ し い じがしますので、まずテンプレートと の  を  に  のサンプリング  でピラミッドを り、ピラミッドの   からマッチングし、   で つけた  から、 の の  するエリアへを  します.これにより、 くの  を らすことができます.テストを て、この  を って、やはり の1 Gのデータで、  は10 S  で  することができて、しかも  の  もとても  です.
プログラムの   にGDALのRasteIO  を  して、  の3つのパラメータを    して、    の のデータをOpenCVの の  の    BGRBGRBGRに み ることができます...
OpenCVについては、  のステップマッチングを う に     で  する、  する  もOpenCVのソースコードディレクトリのmodules/imgproc/src/templmatchにある.cppファイルでは、DFT  (  フーリエ  )については  で、    は に   な  が  で  できるが、  のある   はgoogleや  デジタル    の  を  にすることができ、   なデジタル    の  にはある.DFTとFFTはデジタル    や    の で  に く われているからだ.
Technoratiラベル:OpenCV、テンプレートマッチング