形状匹配方法、计算机设备及存储装置制造方法及图纸

本申请公开了形状匹配方法、计算机设备及存储装置，涉及机器视觉技术领域。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的匹配参数。本申请能够减小形状匹配的计算量，简化算法步骤。

【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的匹配参数。为了解决上述技术问题，本申请采用的另一个技术方案是提供了一种计算机设备，该计算机设备包括存储器以及处理器，其中，存储器存储有程序数据；程序数据能够被处理器执行以实现上述中任意一项的方法。为了解决上述技术问题，本申请采用的另一个技术方案是提供了一种存储装置，存储装置存储有程序数据，程序数据能够被处理器执行以实现上述中任意一项的方法。有益效果：区别于现有技术，本申请通过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的匹配参数，将模板图像中边缘像素点的梯度角与搜索区域图像中对应的像素点的梯度角进行比对。相比于现有技术中需要将模板图像中边缘像素点的梯度与搜索图像中对应的像素点的梯度各自沿x轴方向的梯度分量即沿y轴方向的梯度分量分别进行比对，本申请能够减小形状匹配的计算量，简化算法步骤。附图说明图1是本申请的形状匹配方法实施例的运用场景示意图；图2是本申请的形状匹配方法实施例的流程示意图；图3是本申请的形状匹配方法实施例中步骤S120的流程示意图；图4是本申请的形状匹配方法实施例中步骤S140的流程示意图；图5是本申请的形状匹配方法实施例中步骤S150的流程示意图；图6是本申请的计算机设备实施例的结构示意图；图7是本申请的存储装置实施例的结构示意图。具体实施例为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请做进一步详细描述。显然，所描述的实施方式仅仅是本申请的一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，均属于本申请保护的范围。请参阅图1，图1是本申请的形状匹配方法实施例的运用场景示意图。如图1所示，进行形状匹配时，需要运用到模板图像200和搜索区域图像(图中未标注)。求取搜索区域图像与模板图像200之间的匹配度。模板图像200是待识别目标对象的标准图像，也称样板。搜索区域图像是从待搜索图像100中选取出来的图像。具体地，将模板图像200放置在待搜索图像100中，模板图像200每滑动一个像素点，将待搜索图像100中，模板图像200覆盖的区域所对应的图像作为搜索区域图像。如图1所示，待搜索图像100的坐标系的横轴为x轴，纵轴为y轴，原点为点O2。模板图像200的坐标系的横轴为i轴，纵轴为j轴，原点为点O1。搜索区域图像的坐标系与待搜索图像100的坐标系相同。在模板图像200相对于待搜索图像100移动时，模板图像200的坐标系跟随模板图像200相对于待搜索图像100的坐标系移动。如图1所示，在模板图像200覆盖的区域，模板图像200的原点O1对应位于待搜索图像100中的一个位置，将该位置在待搜索图像100中的坐标记为(μ,ν)，即模板图像200的原点A在待搜索图像100中的坐标为(μ,ν)。本申请中的形状匹配方法运用在求取搜索区域图像与模板图像200之间的匹配参数的过程中。参阅图2，图2是本申请的形状匹配方法第一实施例的流程示意图。如图2所示，本实施例中，形状匹配方法可以包括以下步骤：步骤S110：获取第一梯度角。在进行形状匹配时，需要利用模板图像和在待搜索图像中选取的搜索区域图像进行比对。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。该边缘可以是该模板图像中形状的边缘。可以通过Canny算子提取模板图像中的边缘像素点作为模板边缘点。为了减少模板图像中的噪声对形状匹配的影响，在其他实施例中，提取模板图像中的边缘像素点之前，还可以对模板图像进行预处理，以抑制噪声。例如，可以采用中值滤波法对模板图像进行预处理，以抑制噪声。模板边缘点的梯度角即是由x轴正方向到模板边缘点的梯度方向的角度，通常取逆时针方向为正，顺时针方向为负。本实施例中将模板边缘点的梯度角称为第一梯度角。在求取该第一梯度角时，可以先计算第一梯度角的正切值，然后再根据第一梯度角的正切值计算第一梯度角。也可以先计算第一梯度角的正弦值，然后再根据第一梯度角的正弦值计算第一梯度角。还可以先计算第一梯度角的余弦值，然后再根据第一梯度角的余弦值计算第一梯度角。进一步地，参阅图3，图3是本申请的形状匹配方法实施例中步骤S110的流程示意图。步骤S110具体包括步骤S111至步骤S112，具体如下：步骤S111：获取第一梯度角的正切值。在求取第一梯度角的正切值时，可以分别计算模板边缘点沿y轴方向的亮度差分及模板边缘点沿x轴方向的亮度差分，然后计算模板边缘点沿y轴方向的亮度差分与沿x轴方向的亮度差分之间的比值作为第一梯度角的正切值。在计算模板边缘点沿y轴方向的亮度差分和计算模板边缘点沿x轴方向的亮度差分时，可以选用Sobel算子、Roberts算子、或Prewitt算子。当然申请并不对采用的算子类型进行限制，只要是能够计算模板边缘点沿y轴方向的亮度差分和计算模板边沿点沿x轴方向的亮度差分即可。示例性地，由于Sobel算子对噪声具有平滑作用，本实施例中，可以利用Sobel算子计算模板边缘点沿y轴方向的亮度差分，可以利用Sobel算子计算模板边缘点沿x轴方向的亮度差分。具体地，Sobel算子包括竖直方向的模板和水平方向的模板。可以利用Sobel算子水平方向的模板计算模板边缘点沿x轴方向的亮度差分，可以利用Sobel算子竖直本文档来自技高网...

【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