EBMA块匹配算法实验报告

EBMA算法实验报告一、实验内容以任一视频的两帧图像为输入，通过EBMA算法，计算运动矢量、运动补偿误差等数据。二、实验原理块匹配算法是一种重要的基于块的运动估计算法。基于块的运动估计算法是在已估计的运动场上施加平滑约束，把图像分割为互不重叠的称为块的区域，并且假定每个块内的运动可以用一个简单的参数模型（如恒定、仿射、双线性）特征化。块匹配算法的原理即是，以视频中的两帧图像为输入，假设为第K帧（当前帧）与第K-1帧（上一帧）。对当前帧图片以N*N的图像块为单位，分成一个个块，且块间不重叠。对于第x个图像块A，在第上一帧中，寻找与它最匹配的图像块A'，我们认为A图像块是由A'图像块平移而得到的。于是就把图像块A'到A的运动矢量MV记作图像块A的运动矢量。其原理图如下图所示：一般通过绝对平均误差函数来进行匹配：(i,j)|A(i,j)B(i,j)|p全搜索的块匹配算法是一种块匹配的搜索策略，是最简单、最原始的块匹配算法，可靠且能够得到全局最优的结果。其基本思想是在一个预定的搜索区域内，将第m个图像块与目标帧中所有候选块进行比较，并寻找具有最小误差的一个，这两个块之间的位移差即为所估计的运动矢量。全搜索块匹配算法，假设图像的搜索范围为(-R,R)，为了减少计算量，设置搜索步长为1。在范围内，对每一个可能的图像块都进行匹配计，寻找一个最优的匹配块。对每个块，需要搜索22(2R1)N次，则对每帧图像需要搜索的次数为22(2R1)M。三、实验内容输入视频中的两帧图像，以当前帧图像作为锚定帧，需要预测的下一帧图像作为目标帧，将其大小规定为256*256，并将其转化为灰度图像：对锚定帧图片，进行分块，取块大小为16*16。设置图像的搜索范围为（-16,16），步长为1。对目标帧在图像的搜索范围内搜索并计算MAD值，比较各块MAD值得大小，找到MAD值最小的当前块在锚定帧中的最优匹配快，并保存相应的运动矢量：通过得到的运动矢量图以及目标帧预测估计当前帧图像，并计算残差：其运动补偿误差为26.4406。四、结果分析可以看出，预测帧的图像更加接近当前帧的图像。EBMA算法较为简单，可以减少视频中相邻帧之间的数据冗余，提高视频图像质量。但计算量较大，耗时长，且从预测图像中很容易看出，会产生分块现象。五、附录A=imread('1.bmp');%读入图像B=imread('2.bmp');f2=rgb2gray(A);%将图像转换成灰度图像f1=rgb2gray(B);%将图像转换成灰度图像fp=0;f1=imresize(f1,[256,256]);f2=imresize(f2,[256,256]);figure,imshow(f2),title('目标帧');figure,imshow(f1),title('锚定帧')N=16;R=16;height=256;width=256;fori=1:N:height-N+1forj=1:N:width-N+1MAD_min=256*N*N;dy=0;dx=0;fork=-R:1:Rforl=-R:1:Rifi+k1MAD=256*N*N;elseifi+kheight-NMAD=256*N*N;elseifj+l1MAD=256*N*N;elseifj+lwidth-NMAD=256*N*N;elseMAD=sum(sum(abs(double(f1(i:i+N-1,j:j+N-1))-double(f2(i+k:i+k+N-1,j+l:j+l+N-1)))));endifMADMAD_minMAD_min=MAD;dy=k;dx=l;end;end;end;fp(i:i+N-1,j:j+N-1)=f2(i+dy:i+dy+N-1,j+dx:j+dx+N-1);iblk=floor((i-1)/N+1);jblk=floor((j-1)/N+1);mvx(iblk,jblk)=dx;mvy(iblk,jblk)=dy;end;end;[row,col]=size(f1);fp=imresize(fp,[row,col])figure,imshow(uint8(fp)),title('预测帧');[X,Y]=meshgrid(N/2:N:256-N/2);Y=256-Y;figure,quiver(X,Y,mvx,mvy),title('运动矢量图');diff=abs(double(f1)-fp);figure,imshow(uint8(diff)),title('补偿误差');PSNR=20*log10(255)+20*log10(256)-10*log10(sum(sum(diff.*diff)));PSNR