Geometric Matching 幾何比對

這篇將介紹數位影像領域中幾何比對(Geometric Matching)的課題，幾何比對是利用幾何形狀的資訊，目的是要找出影像之中，存在與樣板(Template)影像相同(相似)的影像區域。

幾何比對的程式運作大概是這個方式：

1. 建立欲尋找物體的樣板影像，計算出幾何的特徵。
2. 程式利用樣板的幾何特徵，搜尋影像中與樣板相似的區域。
3. 計算這些區域相似的程度並於以量化評分(score)。
4. 最後依據評分的高低，程式可以找出與樣板最相似的區域(即目標物)。
5. 結果將包括目標物的數量與位置。

幾何的比對搜尋與下列特性無關：光線變化(lighting variation)，影像的模糊(blur)、雜訊(noise) 與閉塞(occlusion)，幾何空間轉換像是移動(shifting)、旋轉(rotation)與縮放(scaling)。因為幾何比對關注的是物體的幾何形狀。

我們利用幾何比對通常是為了下列的應用：

• 空間量測(Gauging)
  量測物體的長度、直徑、角度或其他量度(dimension)。
• 檢驗(Inspection)
  偵測物體上簡單的缺點(flaw)，指形狀上的瑕疵。
• 對齊(Alignment)
  找出物體的位置(position)與方向(orientation)。
• 分類(Sorting)
  基於形狀或尺寸的分類。

必須注意到利用幾何比對的前提是：欲搜尋的物體(提供的樣板)本身必須要有明顯區別的(distinct)幾何形狀資訊，通常是利用影像的邊緣(edge)，否則比對將無法順利進行(發生誤判斷)。另一方面，若欲搜尋的影像中有太多的幾何資訊(太多的邊緣資料)，程式計算比對的時間也將會增加，於是影響幾何比對運作的效能。遇到上述的情況下，則建議使用樣式比對(Pattern Matching)。

幾何比對的過程分成前後兩個階段：學習階段(Learning Stage)與比對階段(Matching Stage)。

學習階段的過程中，程式萃取樣板的幾何形狀資訊作為比對的特徵值，程式將儲存這些特徵值以及特徵值的空間資訊。在比對階段的過程中，程式將萃取影像中所有的幾何資訊，並且和先前學習的特徵值進行比對和評分計算，程式最後將選出與樣板相同的影像區域。

幾何比對技術的核心基礎是以曲線萃取(Curve Extraction)的方式取得影像中的幾何資訊，利用萃取後的曲線資訊作為比對的方法則有兩種：

• 以邊緣為基礎的幾何比對(Edge-Based Geometric Matching)
• 以特徵為基礎的幾何比對(Feature-Based Geometric Matching)

一般來說，Edge-Based是利用物體全部的幾何資訊來比對，相對於Feature-Based只用部分的特徵比對，因此，Edge-Based的辨識率較高，可以的話，盡可能使用Edge-Based的幾何比對方法。

當然，事情不是想像中的簡單，凡事都有優缺，決定前都必須權衡取捨(trade-off)，下列列出Edge-Based與Feature-Based的相對比較，可以作為選擇方法的參考。

	Memory Requirement	Matching Speed	Recognition Rate	Template Restriction
Edge-Based	大	慢	高	任意形狀
Feature-Based	小	快	低	明顯且易區別的形狀