图像模板匹配方法、存储介质和计算机组成比例

本发明专利技术提供一种图像模板匹配方法、存储介质和计算机。所述图像模板匹配方法包括：计算输入图像的坐标方向导数得到所述输入图像的x方向和y方向的坐标方向导数图像；根据x方向和y方向的坐标方向导数图像计算梯度方向图；对梯度方向图进行朝向量化和归一化得到量化角度图像；将量化角度图像进行扩散得到扩散角度图像；计算所述扩散角度图像的每个朝向的朝向响应图；对每个朝向的朝向响应图进行线性化得到每个朝向的线性化响应图；通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进而求得相似性图像；和通过所述相似性图像的信息获取模板匹配结果，将所述模板匹配结果标注在该输入图像上。像上。像上。

【技术实现步骤摘要】
图像模板匹配方法、存储介质和计算机


[0001]本专利技术涉及图像处理
，尤其涉及一种图像模板匹配方法、存储介质和计算机。

技术介绍

[0002]随着人工智能产业链的崛起和飞速发展，图像识别技术在人工智能领域应用非常广泛，然而在图像识别技术的研究应用中，通过应用模板匹配技术，有利于推动图像识别的进一步发展，因此，从不同的角度和方向来研究模板匹配技术意义非凡。
[0003]模板匹配技术主要是通过使用数学函数将被搜索对象和模板图像特征值进行对比，找出对应坐标关系的一种方式。模板匹配技术包含了模糊数学、微分数学、矩阵分析、自适应控制等技术，它具有运算速度快，计算量小，算法简单，识别效率高等特点。
[0004]因此，有必要提出一种新的图像模板匹配方案。

技术实现思路

[0005]本专利技术的目的在于提供一种图像模板匹配方法、存储介质和计算机，其具有较快的匹配速度。
[0006]为实现专利技术目的，根据本专利技术的一个方面，本专利技术提供一种图像模板匹配方法，其包括：计算输入图像的坐标方向导数得到所述输入图像的x方向和y方向的坐标方向导数图像；根据所述输入图像的x方向和y方向的坐标方向导数图像计算所述输入图像的梯度方向图；对所述输入图像的梯度方向图进行朝向量化和归一化得到所述输入图像的量化角度图像；将所述输入图像的量化角度图像进行扩散得到所述输入图像的扩散角度图像；计算所述扩散角度图像的每个朝向的朝向响应图；对每个朝向的朝向响应图进行线性化得到每个朝向的线性化响应图；通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进而求得相似性图像；和通过所述相似性图像的信息获取模板匹配结果，将所述模板匹配结果标注在该输入图像上。
[0007]根据本专利技术的另一个方面，本专利技术提供一种存储介质，其存储有程序指令，在所述程序执行被运行上文所述的图像模板匹配方法。
[0008]根据本专利技术的再一个方面，本专利技术提供一种计算机，其包括处理器和存储器，所述存储器中存储有程序指令，所述处理器运行所述程序指令以执行上文所述的图像模板匹配方法。
[0009]与现有技术相比，本专利技术得到了输入图像的多个朝向的线性化响应图，通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进而求得相似性图像，进而得到模板匹配结果，速度快。
附图说明
[0010]图1为本专利技术中的图像模板匹配方法在一个实施例中的流程示意图。
具体实施方式
[0011]为更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的具体实施方式、结构、特征及其功效，详细说明如下。
[0012]本专利技术提供一种图像模板匹配方法，其可以提高模板匹配的速度。所述图像模板匹配方法通过使用c语言，来计算输入图像的坐标方向导数，求取各个像素对应的梯度方向，将梯度方向离散化为16个朝向，再将16个朝向归一化为8个朝向，以计算后的朝向与模板匹配特征点的朝向进行余弦计算，依次获取匹配分数，完成输入图像的模板匹配，速度更快。
[0013]图1为本专利技术中的图像模板匹配方法100在一个实施例中的流程示意图。如图1所示的，所述图像模板匹配方法100包括如下步骤。
[0014]步骤110，计算输入图像的坐标方向导数得到所述输入图像的x方向和y方向的坐标方向导数图像。
[0015]所述输入图像可以是RGB三通道的图像，其可以为多张。
[0016]在一个实施例中，所述步骤110包括：将所述输入图像进行高斯模糊；
[0017]使用Sobel(索贝尔)算子求得所述输入图像的x方向和y方向的倒坐标方向数，从而得到输入图像的x方向的坐标方向导数图像以及y方向的坐标方向导数图像sobel_3x和sobel_3y。这里，将所述输入图像进行高斯模糊，可以消除图像噪声对模板匹配的干扰。
[0018]步骤120，根据所述输入图像的x方向和y方向的坐标方向导数图像计算所述输入图像的梯度方向图。
[0019]在一个实施例中，所述步骤120包括：利用所述输入图像的x方向和y方向的坐标方向导数图像，来计算所述输入图像的每个像素在每个通道对应的2范数；对每个像素计算得到的各个通道的2范数值进行对比，求得2范数最大的通道；将2范数最大的通道的方向导数赋值给该通道对应的像素上，得到每个像素的单通道方向导数，进而得到单通道方向导数图sobel_x和sobel_y；利用每个像素的单通道方向导数来获取对应的像素的梯度方向，进而得到所述输入图像的梯度方向图sobel_ang。
[0020]步骤130，对所述输入图像的梯度方向图进行朝向量化和归一化得到所述输入图像的量化角度图像。
[0021]在一个实施例中，所述步骤130包括：将所述梯度方向图的角度的取值范围等分为M个朝向，基于M个朝向将所述梯度方向图量化得到具有M个朝向的量化临时图像quantized_temp；将具有M个朝向的量化临时图像归一化为具有N个朝向的量化角度图像quantized_angle，其中N、M为正整数，N＝M/2。
[0022]具体的，在一个示例中，N＝8，M＝16，梯度方向图sobel_ang中角度的取值范围为[0,360]，通过将角度值分割为16等分，使用0～15序号来表示。
[0023]为了消除边缘极性的影响，将量化角度图像quantized_angle中每个朝向与7进行按位或运算，将朝向归一化为0～7共8个朝向，以此得到具有8个朝向的量化角度图像。
[0024]步骤140，将所述输入图像的量化角度图像进行扩散得到所述输入图像的扩散角度图像。
[0025]在一个实施例中，所述步骤140包括：将所述量化角度图像的每个朝向进行扩散操作，具体为：记录所述量化角度图像的每个像素的3*3邻域中出现频率最高的朝向，如果该
朝向出现的次数超过预定阈值，则将该朝向赋值给该像素，这样可以得到所述输入图像的扩散角度图像spread
‑
angle。
[0026]步骤150，计算所述扩散角度图像的每个朝向的朝向响应图。
[0027]为了避免在后续模板匹配时，每次都计算输入图像朝向与模板中特征朝向余弦最大值，先计算所述输入图像与所述扩散角度图像的每个朝向的朝向响应图，后续在进行上述操作时，只需进行查表操作即可，这样可以提升模板匹配效率，该步骤得到8张朝向响应图response_map。
[0028]步骤160，对每个朝向的朝向响应图进行线性化得到每个朝向的线性化响应图。
[0029]在一个实施例中，所述步骤150包括：将每个朝向的朝向响应图按照采样预定步长T进行线性化，得到每个朝向的线性化响应图。比如，输入图像为m*n，则按采样步长T线性化后的图像为(T*T)*(m*n/T/T)。
[0030]步骤170，通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像模板匹配方法，其特征在于，其包括：计算输入图像的坐标方向导数得到所述输入图像的x方向和y方向的坐标方向导数图像；根据所述输入图像的x方向和y方向的坐标方向导数图像计算所述输入图像的梯度方向图；对所述输入图像的梯度方向图进行朝向量化和归一化得到所述输入图像的量化角度图像；将所述输入图像的量化角度图像进行扩散得到所述输入图像的扩散角度图像；计算所述扩散角度图像的每个朝向的朝向响应图；对每个朝向的朝向响应图进行线性化得到每个朝向的线性化响应图；通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进而求得相似性图像；和通过所述相似性图像的信息获取模板匹配结果，将所述模板匹配结果标注在该输入图像上。2.如权利要求1所述的图像模板匹配方法，其特征在于，所述模板是通过训练获得的，基于训练好的模板计算所述模板的特征点坐标和朝向。3.如权利要求1所述的图像模板匹配方法，其特征在于，所述计算输入图像的坐标方向导数得到所述输入图像的x方向和y方向的坐标方向导数图像包括：将所述输入图像进行高斯模糊；使用Sobel算子求得所述输入图像的x方向和y方向的倒坐标方向数，从而得到输入图像的x方向的坐标方向导数图像以及y方向的坐标方向导数图像。4.如权利要求1所述的图像模板匹配方法，其特征在于，所述根据所述输入图像的x方向和y方向的坐标方向导数图像计算所述输入图像的梯度方向图包括：利用所述输入图像的x方向和y方向的坐标方向导数图像，来计算所述输入图像的每个像素在每个通道对应的2范数；对每个像素计算得到的各个通道的2范数值进行对比，求得2范数最大的通道；将2范数最大的通道的方向导数赋值给该通道对应的像素上，得到每个像素的单通道方向导数，进而得到单通道方向导数图；利用每个像素的单通道方向导数来获取对应的像素的梯度方向，进而得到所述输入图像的梯度方向图。5.如权利要求1所述的图像模板匹配方法，其特征在于，所述对所述输入图像的梯度方向图进行朝向量化...

【专利技术属性】
技术研发人员：陈彦龙，
申请(专利权)人：东声苏州智能科技有限公司，
类型：发明
国别省市：