一种基于梯度幅值随机采样的图像匹配方法组成比例

本发明专利技术公开了一种基于梯度幅值随机采样的图像匹配方法，包括以下步骤：S1、对目标检测图像，截取感兴趣区域，得到第一模板图像；S2、对第一模板图像进行预处理，得到模板图像采样点对的二进制串；S3、将待匹配图像的像素点均移动一个步长，将移动后的待匹配图像按照步骤S2的方法，生成待匹配图像采样点对的二进制串；S4、根据待匹配图像采样点对的二进制串与模板图像采样点对的二进制串间的最小距离，得到最小距离在目标检测图像的位置；S5、采用图像金字塔的采样关系，将最小距离在目标检测图像的位置映射至目标检测图像，得到准确的目标位置，匹配结束；本发明专利技术解决了基于视觉的产品检测中目标区域精确定位不准确的问题。检测中目标区域精确定位不准确的问题。检测中目标区域精确定位不准确的问题。

【技术实现步骤摘要】
一种基于梯度幅值随机采样的图像匹配方法


[0001]本专利技术涉及，具体涉及一种基于梯度幅值随机采样的图像匹配方法。

技术介绍

[0002]在利用视觉图像进行产品缺陷检测中，首先需要对检测区域进行定位。由于产线处于运动状态，并且，现场光照也可能受到环境的影响而发生一定的变化。所以每次检测时拍摄的图像都有一定的区别。这种区别导致对检测区域的定位精度有可能达不到实际检测要求。此外，产品在线运动状态下，有可能出现一定角度的旋转，也可能导致定位精度不够。作为视觉检测中图像预处理阶段的重要步骤，准确定位检测区域对后期的视觉检测准确性有至关重要的影响。
[0003]传统的检测区域定位算法主要采用基于灰度图的模板匹配算法。但是，基于灰度图的模板匹配容易受到光照变化和噪声的影响，定位精度无法满足实际检测的要求。
[0004]目前大多数已有的匹配方法，都存在一个缺陷，就是提取图像的边缘，这导致匹配定位算法只能适应非常小范围的光照变换，由于图像存在非线性光照的变化，如果降低图像的对比度，提取的边缘点将很少。在图像特征区域存在被部分遮挡的情况下，已有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度幅值随机采样的图像匹配方法，其特征在于，包括以下步骤：S1、对目标检测图像，截取感兴趣区域，得到第一模板图像；S2、对第一模板图像进行预处理，得到模板图像采样点对的二进制串；S3、将待匹配图像的像素点均移动一个步长，将移动后的待匹配图像按照步骤S2的方法，生成待匹配图像采样点对的二进制串；S4、根据待匹配图像采样点对的二进制串与模板图像采样点对的二进制串间的最小距离，得到最小距离在目标检测图像的位置；S5、采用图像金字塔的采样关系，将最小距离在目标检测图像的位置映射至目标检测图像，得到准确的目标位置，匹配结束。2.根据权利要求1所述的基于梯度幅值随机采样的图像匹配方法，其特征在于，所述步骤S2包括以下分步骤：S21、对第一模板图像进行金字塔下采样处理，得到第二模板图像；S22、计算第二模板图像的梯度幅值；S23、对第二模板图像的梯度幅值进行随机采样，得到模板图像的采样点；S24、根据模板图像的采样点，生成模板图像采样点对的二进制串。3.根据权利要求2所述的基于梯度幅值随机采样的图像匹配方法，其特征在于，所述步骤S22中计算第二模板图像的梯度幅值的公式为：其中，(x，y)为第二模板图像的像素坐标，M(x，y)为第二模板图像的梯...

【专利技术属性】
技术研发人员：王强，彭悦蓉，丁超，田亚铃，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：