【技术实现步骤摘要】
形状匹配方法、计算机设备及存储装置
本申请涉及机器视觉
,具体而言涉及形状匹配方法、计算机设备及存储装置。
技术介绍
机器视觉就是用机器代替人眼来做测量和判断,在机器视觉中通常采用的匹配方法为模板匹配。模板匹配可以分为灰度匹配和形状匹配。在进行形状匹配时,需要先制作待识别目标对象的模板图像,然后从待搜索图像中选取与模板图像的形状和大小对应的区域内的图像作为搜索区域图像,将模板图形与搜索区域图像进行比对,得到匹配度。现有的形状匹配,在模板图像与搜索区域图像进行比对时,需计算模板图像中所有边缘像素点的梯度与搜索区域图像中对应的像素点的梯度之间的点积的总和,并归一化,得到模板图像与搜索区域图像之间的匹配分数。由于在点积运算过程中,需要将模板图像中边缘像素点的梯度与搜索区域图像中对应的像素点的梯度各自沿x轴方向的梯度分量及沿y轴方向的梯度分量分别进行比对,从而导致了形状匹配的计算量过大的技术问题。
技术实现思路
有鉴于此,为解决上述技术问题,本申请提供形状匹配方法、计算机设备及存储装置。为实现上述目的,本申请提供一种形状匹配方法,该形状匹配方法包括:获取第一梯度角,第一梯度角为模板边缘点的梯度角,模板边缘点为模板图像中的边缘像素点;获取第二梯度角,第二梯度角为比对点的梯度角,比对点为待搜索图像的搜索区域图像中与模板边缘点对应的像素点,其中,第二梯度角与第一梯度角之差的绝对值小于360度;计算第一梯度角在模板边缘点中的分布规律与第二梯度角在比对点中的分布规律之间 ...
【技术保护点】
1.一种形状匹配方法,其特征在于,所述方法包括:/n获取第一梯度角,所述第一梯度角为模板边缘点的梯度角,所述模板边缘点为模板图像中的边缘像素点;/n获取第二梯度角,所述第二梯度角为比对点的梯度角,所述比对点为待搜索图像的搜索区域图像中与所述模板边缘点对应的像素点,其中,所述第二梯度角与所述第一梯度角之差的绝对值小于360度;/n计算所述第一梯度角在所述模板边缘点中的分布规律与所述第二梯度角在所述比对点中的分布规律之间的匹配参数。/n
【技术特征摘要】
1.一种形状匹配方法,其特征在于,所述方法包括:
获取第一梯度角,所述第一梯度角为模板边缘点的梯度角,所述模板边缘点为模板图像中的边缘像素点;
获取第二梯度角,所述第二梯度角为比对点的梯度角,所述比对点为待搜索图像的搜索区域图像中与所述模板边缘点对应的像素点,其中,所述第二梯度角与所述第一梯度角之差的绝对值小于360度;
计算所述第一梯度角在所述模板边缘点中的分布规律与所述第二梯度角在所述比对点中的分布规律之间的匹配参数。
2.根据权利要求1所述的方法,其特征在于,
所述计算所述第一梯度角在所述模板边缘点中的分布规律与所述第二梯度角在所述比对点中的分布规律之间的匹配参数包括:
利用以下公式计算每个所述第一梯度角与对应的所述第二梯度角之间的差值:
Δθ(ik,jk)=θt(ik,jk)-θf(μ+ik,ν+jk)
其中,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,θt(ik,jk)为所述第一梯度角,μ为所述模板图像的原点在所述待搜索图像中的横坐标,ν为所述模板图像的原点在所述待搜索图像中的纵坐标,θf(μ+ik,ν+jk)为所述第一梯度角对应的所述第二梯度角,Δθ(ik,jk)为所述第一梯度角与对应所述第二梯度角之间的差值;
当所述差值的绝对值小于或等于180度时,利用以下公式计算偏差:
Cθ(ik,jk)=|Δθ(ik,jk)|
其中,μ为所述模板图像的原点在所述待搜索图像中的横坐标,ν为所述模板图像的原点在所述待搜索图像中的纵坐标,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,Cθ(ik,jk)为所述偏差,Δθ(ik,jk)为所述第一梯度角与对应的所述第二梯度角之间的差值;
当所述差值的绝对值大于180度时,利用以下公式计算偏差:
Cθ(ik,jk)=360°-|Δθ(ik,jk)|
其中,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,Cθ(ik,jk)为所述偏差,Δθ(ik,jk)为所述第一梯度角与对应的所述第二梯度角之间的差值;
利用以下公式计算所述匹配参数:
其中,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,所述γ为所述匹配参数,Cθ(ik,jk)为所述偏差,Ek为所述模板边缘点的集合,n为模板边缘点的集合的元素个数。
3.根据权利要求1所述的方法,其特征在于,
所述获取第一梯度角包括:
获取所述第一梯度角的正切值;
利用以下公式计算所述第一梯度角:
θt(ik,jk)=arctan(Lt(ik,jk))
其中,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,θt(ik,jk)为所述第一梯度角,Lt(ik,jk)为所述第一梯度角的正切值;
所述获取第二梯度角包括:
获取所述第二梯度角的正切值;
利用以下公式计算所述第二梯度角:
θf(μ+ik,ν+jk)=arctan(Lf(μ+ik,ν+jk))
其中,μ为所述模板图像的原点在所述待搜索图像中的横坐标,ν为所述模板图像的原点在所述待搜索图像中的纵坐标,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,θf(μ+ik,ν+jk)为所述第二梯度角,Lf(μ+ik,ν+jk)为所述第二梯度角的正切值。
4.根据权利要求3所述的方法,其特征在于,
所述获取所述第一梯度角的正切值包括:
获取所述模板边缘点沿y轴方向的亮度差分;
获取所述模板边缘点沿x轴方向的亮度差分;
利用以下公式计算所述第一梯度角的正切值:
其中,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,Lt(ik,jk)为所述第一梯度角的正切值,为所述模板边缘点沿y轴方向的亮度差分,为所述模板边缘点沿x轴方向的亮度差分;
所述获取所述第二梯度角的正切值包括:
获取所述比对点沿y轴方向的亮度差分;
获取所述比对点沿x轴方向的亮度差分;
利用以下公式计算所述第二梯度角的正切值:
其中,μ为所述模板图像的原点在所述待搜索图像中的横坐标,ν为所述模板图像的原点在所述待搜索图像中的纵坐标,ik为所述模板边缘点在所述模板图像中的横坐标,jk为所述模板边缘点在所述模板图像中的纵坐标,Lf(μ+ik,ν+jk)为所述第二梯度角的正切值,为所述比对点沿y轴方向的亮度差分,为所述比对点沿x轴方向的亮度差分。
5.根据权利要求4所述的方法,其特征在于,
所述获取所述模板边缘点沿y轴方向的亮度差分包括:
利用以下公式计算所述模板图像中坐标为(ik,jk)的所述模板边缘点沿y轴方向的亮度差分:
其中,ik为所述模板边缘点在所述模板图像中的横坐...
【专利技术属性】
技术研发人员:李玥,
申请(专利权)人:北京配天技术有限公司,
类型:发明
国别省市:北京;11
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。