一种基于梯度积分的快速模板匹配算法制造技术

本发明专利技术属于机器视觉图像匹配技术领域，尤其涉及一种基于梯度积分的快速模板匹配算法，包括以下步骤：对模板图像和目标图像进行图像金字塔计算，得到不同分辨率的模板和原图；提取轮廓点并进行梯度积分；对模板和子图进行粗匹配；计算图像相似度，选出目标位置、目标尺度和目标方向；重复相似度计算进行精匹配，拟合得到高精度结果。相比于现有技术，本发明专利技术将图像金字塔、提取轮廓点以及梯度积分三种方法结合，极大地减少了数据的冗余性，避免了大量的重复运算，提高了计算效率，本发明专利技术剔除了部分噪声点带来的干扰，提高了计算的可靠性。另外，本发明专利技术采用粗匹配到精匹配的匹配策略，反复验证了结果的可靠性，最后进行拟合更是得到高精度的结果。

【技术实现步骤摘要】
一种基于梯度积分的快速模板匹配算法
本专利技术属于机器视觉图像匹配
，尤其涉及一种基于梯度积分的快速模板匹配算法。
技术介绍
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。近年来，随着微电子工业的迅猛发展，高分辨率，高处理速度的机器视觉系统不断诞生，这对图像处理算法的速度、精度、稳定性等提出了新的要求。模板匹配是一种有效并且应用广泛的模式识别技术，它能利用图像信息直接反映图像的相似度。现有的模板匹配算法大多利用模板图像的所有信息并对待检测图像的每个位置都进行相似度计算，在尺度、旋转等变化下存在速度慢，稳定性差的问题。有鉴于此，有必要提供一种适用于任意角度和尺度范围的快速模板匹配算法。
技术实现思路
本专利技术的目的在于：针对现有技术的不足，而提供一种基于梯度积分的快速模板匹配算法，利用图像的梯度信息，并且结合图像金字塔和梯度积分的算法极大缩短了匹配时间，并且稳定可靠。为了实现上述目的，本专利技术采用以下技术方案：一种基于梯度积分的快速模板匹配算法，包括以下步骤：步骤一，对模板图像和目标图像进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像称为底层图像，最小分辨率的图像简称为顶层图像；步骤二，计算不同分辨率下的模板在不同角度、不同尺度的轮廓及其对应的梯度；步骤三，计算原图的顶层图像中所有像素点的梯度，并归一化；步骤四，根据模板的顶层图像的大小计算原图的顶层图像的梯度积分，若原图的顶层图像中某一子图对应位置处的梯度积分低于模板的顶层图像的轮廓点对应的梯度值之和，则该位置不参与步骤五的相似度的计算，反之则进行相似度的计算；步骤五，先取模板上不同方向和尺度下的轮廓处的梯度向量与子图对应位置处的梯度向量进行点乘运算，再对乘积求和，然后根据最终得到的数值对应得到一系列相似度符合要求的目标位置、目标尺度和目标方向；步骤六，在步骤五得到的目标位置、目标尺度和目标方向的附近再重复相似度计算，直到底层，最后进行拟合得到高精度的结果。作为本专利技术所述的基于梯度积分的快速模板匹配算的一种改进，在步骤一中，所述模板集合中的最小分辨率的模板至少包含30个轮廓点。作为本专利技术所述的基于梯度积分的快速模板匹配算的一种改进，步骤四中，梯度积分计算方法为：Sum(m,n)＝gg(x,y)+gg(u,v)-gg(x,v)-gg(u,y)，其中，m＝x-u，n＝y-u，gg(x,y)＝∑x′≤x,y′≤yg(x′,y′)，g(x′,y′)为输入图像上相关位置的梯度值。作为本专利技术所述的基于梯度积分的快速模板匹配算的一种改进，在步骤五中，相似度的计算公式为：其中，p′,di′分别是p,di经过变换后的坐标和梯度向量；最终计算得到的数值越大，则模板与子图的相似度越高。作为本专利技术所述的基于梯度积分的快速模板匹配算的一种改进，在步骤六中，拟合的方式为亚像素拟合。作为本专利技术所述的基于梯度积分的快速模板匹配算的一种改进，在步骤六中，拟合的方式为对结果进行样条插值，再进行曲线拟合。相比于现有技术，本专利技术至少具有以下有益效果：1)本专利技术将图像金字塔、提取轮廓点以及梯度积分三种方法结合，极大地减少了数据的冗余性，避免了大量的重复运算，提高了计算效率。2)本专利技术采取提取轮廓点和梯度积分这两种方法，剔除了部分噪声点带来的干扰，提高了计算的可靠性。3)本专利技术采用粗匹配到精匹配的匹配策略，反复验证了结果的可靠性，最后进行拟合更是得到高精度的结果。附图说明图1是本专利技术的流程示意图。具体实施方式下面结合具体实施方式和说明书附图，对本专利技术作进一步详细的描述，但本专利技术的实施方式并不限于此。实施例1本实施例提供一种基于梯度积分的快速模板匹配算法，包括以下步骤：步骤一，对模板图像和目标图像进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像简称为底层图像，最小分辨率的图像简称为顶层图像；模板集合中的最小分辨率的模板至少包含30个轮廓点；步骤二，计算不同分辨率下的模板在不同角度、不同尺度的轮廓及其对应的梯度；步骤三，计算原图的顶层图像中所有像素点的梯度，并归一化；步骤四，根据模板的顶层图像的大小计算原图的顶层图像的梯度积分，若原图的顶层图像中某一子图对应位置处的梯度积分低于模板的顶层图像的轮廓点对应的梯度值之和，则该位置不参与步骤五的相似度的计算，反之则进行相似度的计算；其中，梯度积分计算方法为：Sum(m,n)＝gg(x,y)+gg(u,v)-gg(x,v)-gg(u,y)，其中，m＝x-u，n＝y-u，gg(x,y)＝∑x′≤x,y′≤yg(x′,y′)，g(x′,y′)为输入图像上相关位置的梯度值；步骤五，先取模板上不同方向和尺度下的轮廓处的梯度向量与子图对应位置处的梯度向量进行点乘运算，再对乘积求和，然后根据最终得到的数值对应得到一系列相似度符合要求的目标位置、目标尺度和目标方向；相似度的计算公式为：其中，p′,di′分别是p,di经过变换后的坐标和梯度向量；最终计算得到的数值越大，则模板与子图的相似度越高；步骤六，在步骤五得到的目标位置、目标尺度和目标方向的附近再重复相似度计算，直到底层，最后进行亚像素拟合得到高精度的结果。实施例2本实施例提供一种基于梯度积分的快速模板匹配算法，包括以下步骤：步骤一，对模板图像和目标图像进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像简称为底层图像，最小分辨率的图像简称为顶层图像；模板集合中的最小分辨率的模板至少包含30个轮廓点；步骤二，计算不同分辨率下的模板在不同角度、不同尺度的轮廓及其对应的梯度；步骤三，计算原图的顶层图像中所有像素点的梯度，并归一化；步骤四，根据模板的顶层图像的大小计算原图的顶层图像的梯度积分，若原图的顶层图像中某一子图对应位置处的梯度积分低于模板的顶层图像的轮廓点对应的梯度值之和，则该位置不参与步骤五的相似度的计算，反之则进行相似度的计算；其中，梯度积分计算方法为：Sum(m,n)＝gg(x,y)+gg(u,v)-gg(x,v)-gg(u,y)，其中，m＝x-u，n＝y-u，gg(x,y)＝∑x′≤x,y′≤yg(x′,y′)，g(x′,y′)为输入图像上相关位置的梯度值；步骤五，先取模板上不同方向和尺度下的轮廓处的梯度向量与子图对应位置处的梯度向量进行点乘运算，再对乘积求和，然后根据最终得到的数值对应得到一系列相似度符合要求的目标位置、目标尺度和目标方向；相似度的计算公式为：其中，p′,di′分别是p,di经过变换后的坐标和梯度向量；最终计算得到的数值越大，则模板与子图的相似度越高；步骤六，在步骤五得到的目标位置、目标尺度和目标方向的附近再重复相似度计算，直到底层，最后对结果进行样条插值，再进行曲线拟合，得到高精度的结果。根据上述说明书的揭示和教导，本专利技术所属领域的技术人员还能够对上述实施方式进行变更和修改。因此，本专利技术并不局限于上述的具体实施方式，凡是本本文档来自技高网...

【技术保护点】
1.一种基于梯度积分的快速模板匹配算法，其特征在于，包括以下步骤：步骤一，对模板图像和目标图像进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像称为底层图像，最小分辨率的图像简称为顶层图像；步骤二，计算不同分辨率下的模板在不同角度、不同尺度的轮廓及其对应的梯度；步骤三，计算原图的顶层图像中所有像素点的梯度，并归一化；步骤四，根据模板的顶层图像的大小计算原图的顶层图像的梯度积分，若原图的顶层图像中某一子图对应位置处的梯度积分低于模板的顶层图像的轮廓点对应的梯度值之和，则该位置不参与步骤五的相似度的计算，反之则进行相似度的计算；步骤五，先取模板上不同方向和尺度下的轮廓处的梯度向量与子图对应位置处的梯度向量进行点乘运算，再对乘积求和，然后根据最终得到的数值对应得到一系列相似度符合要求的目标位置、目标尺度和目标方向；步骤六，在步骤五得到的目标位置、目标尺度和目标方向的附近再重复相似度计算，直到底层，最后进行拟合得到高精度的结果。

【技术特征摘要】
1.一种基于梯度积分的快速模板匹配算法，其特征在于，包括以下步骤：步骤一，对模板图像和目标图像进行图像金字塔分解，得到一系列由金字塔底部到顶部分辨率逐步降低的模板和原图，其中，最大分辨率的图像称为底层图像，最小分辨率的图像简称为顶层图像；步骤二，计算不同分辨率下的模板在不同角度、不同尺度的轮廓及其对应的梯度；步骤三，计算原图的顶层图像中所有像素点的梯度，并归一化；步骤四，根据模板的顶层图像的大小计算原图的顶层图像的梯度积分，若原图的顶层图像中某一子图对应位置处的梯度积分低于模板的顶层图像的轮廓点对应的梯度值之和，则该位置不参与步骤五的相似度的计算，反之则进行相似度的计算；步骤五，先取模板上不同方向和尺度下的轮廓处的梯度向量与子图对应位置处的梯度向量进行点乘运算，再对乘积求和，然后根据最终得到的数值对应得到一系列相似度符合要求的目标位置、目标尺度和目标方向；步骤六，在步骤五得到的目标位置、目标尺度和目标方向的附近再重复相似度计算，直到底层，最后进行拟合得到高精度的结果。2...

【专利技术属性】
技术研发人员：曹玲，卢盛林，
申请(专利权)人：广东奥普特科技股份有限公司，
类型：发明
国别省市：广东,44