一种模板匹配中参数的自适应方法和系统技术方案

本发明专利技术公开了一种模板匹配中参数的自适应方法和系统，所述方法通过模板图像计算其对比度方差或对比度标准差；对模板图像进行边缘检测，设置梯度阈值取值范围；根据梯度阈值获取模板图像的边缘区域；对边缘区域进行B l ob分析，得到连通区域，并计算连通区域的平均长度或平均强度；将平均长度或平均强度作为梯度阈值的相关函数；在取值范围内，将相关函数最大时对应的梯度阈值作为梯度阈值参数；进而梯度阈值参数获得边缘像素的位置，从而计算得到角度步长和缩放步长。可见本发明专利技术只需设置模板图像即可自动计算得到梯度阈值参数；降低了参数设置对操作人员经验的依赖。操作人员无需了解算法的实现原理，只需要进行基本操作即可。

An adaptive method and system for parameters in template matching

Adaptive method and system of the invention discloses a template parameter matching, the method by calculating the template image contrast contrast variance or standard deviation; edge detection template image, set the gradient threshold value range; according to the edge gradient threshold acquisition template image analysis; B l ob on the edge, get the connected area, and calculate the average length of regional connectivity or average strength; average length or the average intensity correlation function as the gradient threshold; within the range, the gradient threshold correlation function corresponds to the maximum gradient as the threshold parameter; and gradient threshold parameters to get the edge pixel position, so as to calculate the angle step and step zoom. It can be seen that this invention can automatically calculate the gradient threshold parameters by setting the template image, and reduces the dependence of the parameter setting on the operator's experience. Operators do not need to understand the principle of algorithm implementation, only need to do basic operations.

【技术实现步骤摘要】
一种模板匹配中参数的自适应方法和系统
本专利技术涉及机器视觉
，具体涉及模板匹配中参数的自适应方法和系统。
技术介绍
模板匹配是机器视觉中的基本方法，在视觉对位引导、点胶、贴合等领域有广泛的应用。在模板匹配中，通常有很多参数设置，例如梯度阈值、金字塔层数、旋转角度步长、对比度方差等参数。这些参数在应用中不得不通过多次手动测试，选择最优参数来保证系统的稳定性和准确性，大大增加了对操作人员的要求，操作人员不得不了解函数的功能。因此，现有技术有待改进和提高。
技术实现思路
本申请提供一种模板匹配中参数的自适应方法和系统，以减少人工设置参数的个数。根据本专利技术的第一方面，本专利技术提供一种模板匹配中参数的自适应方法,包括如下步骤：对比度计算步骤，根据模板图像计算得到模板图像的对比度方差或对比度标准差；梯度阈值计算步骤，对所述模板图像进行边缘检测，计算梯度幅值，设置梯度幅值的梯度阈值取值范围；根据所述梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域，并计算连通区域的平均长度或平均强度；将平均长度或平均强度作为梯度阈值的相关函数；在所述取值范围内，将所述相关函数最大时对应的梯度阈值作为梯度阈值参数；其中，所述取值范围内的最小梯度阈值为对比度方差或对比度标准差的k倍，k为0或者正数。所述的模板匹配中参数的自适应方法，其中，所述梯度阈值计算步骤之后，还包括：最小连通区域计算步骤，根据梯度阈值参数获得边缘像素的位置，进行Blob分析，得到每个Blob的轮廓尺寸，对Blob的轮廓尺寸计算累积直方图，第一个超过预设阈值的Blob的轮廓尺寸作为最小连通区域的尺寸。所述的模板匹配中参数的自适应方法，其中，所述梯度阈值计算步骤之后，还包括：步长计算步骤，根据梯度阈值参数获得边缘像素的位置，根据边缘像素到模板图像中心的最远距离计算得到角度步长和缩放步长。所述的模板匹配中参数的自适应方法，其中，所述自适应方法还包括：金字塔层数计算步骤，对所述模板图像进行图像金字塔分层，以最顶层金字塔图像中的最小连通区域可识别为标准，计算得到金字塔层数。所述的模板匹配中参数的自适应方法，其中，所述根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域的步骤，包括：根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行细化；基于腐蚀运算得到并删除细化后的边缘区域曲率超过预设值的像素点；对所述边缘区域进行Blob分析，得到连通区域。根据本专利技术的第二方面，本专利技术提供一种模板匹配中参数的自适应系统，包括：对比度计算模块，用于根据模板图像计算得到模板图像的对比度方差或对比度标准差；梯度阈值计算模块，用于对所述模板图像进行边缘检测，计算梯度幅值，设置梯度幅值的梯度阈值取值范围；根据所述梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域，并计算连通区域的平均长度或平均强度；将平均长度或平均强度作为梯度阈值的相关函数；在所述取值范围内，将所述相关函数最大时对应的梯度阈值作为梯度阈值参数；其中，所述取值范围内的最小梯度阈值为对比度方差或对比度标准差的k倍，k为0或者正数。所述的模板匹配中参数的自适应系统，其中，所述自适应系统还包括：最小连通区域计算模块，用于根据梯度阈值参数获得边缘像素的位置，进行Blob分析，得到每个Blob的轮廓尺寸，对Blob的轮廓尺寸计算累积直方图，第一个超过预设阈值的Blob的轮廓尺寸作为最小连通区域的尺寸。所述的模板匹配中参数的自适应系统，其中，所述自适应系统还包括：步长计算模块，用于根据梯度阈值参数获得边缘像素的位置，根据边缘像素到模板图像中心的最远距离计算得到角度步长和缩放步长。所述的模板匹配中参数的自适应系统，其中，所述自适应系统还包括：金字塔层数计算模块，用于对所述模板图像进行图像金字塔分层，以最顶层金字塔图像中的最小连通区域可识别为标准，计算得到金字塔层数。所述的模板匹配中参数的自适应系统，其中，梯度阈值计算模块根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域，具体包括：梯度阈值计算模块根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行细化；基于腐蚀运算得到并删除细化后的边缘区域曲率超过预设值的像素点；对所述边缘区域进行Blob分析，得到连通区域。本专利技术的有益效果：只需设置模板图像即可自动计算得到梯度阈值参数；降低了参数设置对操作人员经验的依赖。操作人员无需了解算法的实现原理，只需要进行最基本的操作即可。附图说明图1为本专利技术提供的模板匹配中参数的自适应方法的一实施例的流程图；图2为本专利技术提供的模板匹配中参数的自适应方法中，包含有模板图像的训练图像；图3为本专利技术提供的模板匹配中参数的自适应方法中，标识出模板图像的训练图像；图4为本专利技术提供的模板匹配中参数的自适应方法中，梯度阈值计算步骤的流程图；图5为本专利技术提供的模板匹配中参数的自适应方法中，边缘像素及其邻近像素的示意图；图6为本专利技术提供的模板匹配中参数的自适应方法中，相关函数g(T)与梯度阈值T的关系示意图；图7为本专利技术提供的模板匹配中参数的自适应方法中，Blob的轮廓尺寸累积直方图；图8为本专利技术提供的模板匹配中参数的自适应方法中，角度步长计算示意图；图9为本专利技术提供的模板匹配中参数的自适应系统的结构框图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。本专利技术中用到的术语定义：图像金字塔是以多分辨率来解释图像的一种结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合。金字塔的底部图像是高分辨率的表示，而顶部是低分辨率的表示。感兴趣区域(ROI，regionofinterest)，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，本实施例中采用矩形方框。Blob分析(BlobAnalysis)是对图像中相同像素的连通区域进行分析，该连通区域称为Blob。经二值化(BinaryThresholding)处理后的图像中色斑可认为是blob。Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE)来表示相邻的目标范围。这种算法与基于象素的算法相比，大大提高处理速度。本专利技术的目的是解决基于特征的模板匹配中的参数自适应的问题，基本原理是根据模板区域(模板图像)估计图像灰度值的变化，获得对比度方差，该参数可以作为边缘点强度的最低阈值。对于梯度阈值参数的计算，选择平均长度或平均强度作为筛选指标，基于线性分类器模型进行筛选。获取梯度阈值参数后，可以获得边缘点的位置，计算边缘点的位置到模板中心的距离，根据距离中心点的最远距离来离散化角度、缩放步长。下面通过具体实施例进行说明。在实施例一中，请参考图1，本专利技术给出一种模板匹配中参数的自适应方法，包括如下步骤：S10、模板图像获取步骤，获取输入的模板图像或者用户设置的模板图像。本实施例中，模板图像由用户设置，具体的，输入用于训练模板图像的训练图像，训练图像如图2所示。用户在训练图像上选定感兴趣区本文档来自技高网...

【技术保护点】
一种模板匹配中参数的自适应方法,其特征在于，包括如下步骤：对比度计算步骤，根据模板图像计算得到模板图像的对比度方差或对比度标准差；梯度阈值计算步骤，对所述模板图像进行边缘检测，计算梯度幅值，设置梯度幅值的梯度阈值取值范围；根据所述梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域，并计算连通区域的平均长度或平均强度；将平均长度或平均强度作为梯度阈值的相关函数；在所述取值范围内，将所述相关函数最大时对应的梯度阈值作为梯度阈值参数；其中，所述取值范围内的最小梯度阈值为对比度方差或对比度标准差的k倍，k为0或者正数。

【技术特征摘要】
1.一种模板匹配中参数的自适应方法,其特征在于，包括如下步骤：对比度计算步骤，根据模板图像计算得到模板图像的对比度方差或对比度标准差；梯度阈值计算步骤，对所述模板图像进行边缘检测，计算梯度幅值，设置梯度幅值的梯度阈值取值范围；根据所述梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域，并计算连通区域的平均长度或平均强度；将平均长度或平均强度作为梯度阈值的相关函数；在所述取值范围内，将所述相关函数最大时对应的梯度阈值作为梯度阈值参数；其中，所述取值范围内的最小梯度阈值为对比度方差或对比度标准差的k倍，k为0或者正数。2.根据权利要求1所述的模板匹配中参数的自适应方法，其特征在于，所述梯度阈值计算步骤之后，还包括：最小连通区域计算步骤，根据梯度阈值参数获得边缘像素的位置，进行Blob分析，得到每个连通区域的尺寸，对连通区域的尺寸计算累积直方图，第一个超过预设阈值的连通区域的尺寸作为最小连通区域的尺寸。3.根据权利要求1或2所述的模板匹配中参数的自适应方法，其特征在于，所述梯度阈值计算步骤之后，还包括：步长计算步骤，根据梯度阈值参数获得边缘像素的位置，根据边缘像素到模板图像中心的最远距离计算得到角度步长和缩放步长。4.根据权利要求1或2所述的模板匹配中参数的自适应方法，其特征在于，所述自适应方法还包括：金字塔层数计算步骤，对所述模板图像进行图像金字塔分层，以最顶层金字塔图像中的最小连通区域可识别为标准，计算得到金字塔层数。5.根据权利要求1所述的模板匹配中参数的自适应方法，其特征在于，所述根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行Blob分析，得到连通区域的步骤，包括：根据梯度阈值获取模板图像的边缘区域；对所述边缘区域进行细化；基于腐蚀运算得到并删除细化后的边缘区域曲率超过预设值的像素点；对所述边缘区域进行Blob分析，得到连通区域。6.一种...

【专利技术属性】
技术研发人员：杨洋，
申请(专利权)人：深圳市华汉伟业科技有限公司，
类型：发明
国别省市：广东,44