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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。