一種基于圖像邊緣矢量的匹配方法
【專利摘要】本發(fā)明公開了一種基于圖像邊緣矢量的匹配方法。利用邊緣的方向和大小，實現(xiàn)對縮放、噪聲、光照變化、局部遮擋、旋轉(zhuǎn)平移等情況的匹配；提取模板邊緣中有代表性的矢量，與目標圖像的邊緣特征進行比較，而不是逐邊緣點比較，大大減少計算量，具有較好匹配準確度；先用金字塔得到較小的模板和目標圖像，并采用較大且合適的參數(shù)步長，得到較為粗匹配的匹配位置和參數(shù)，再選取更為精細且滿足匹配要求的參數(shù)步長，在粗匹配的結(jié)果基礎(chǔ)上再次搜索匹配，得到精確的匹配位置和參數(shù)。
【專利說明】一種基于圖像邊緣矢量的匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及一種圖像邊緣矢量的匹配方法。
【背景技術(shù)】
[0002]IC封裝產(chǎn)品向著集成化、小型化發(fā)展，要求IC電子封裝設(shè)備具有高速度、高精度的定位的能力，從而能快速準確的實現(xiàn)芯片的拾取和放置。機器視覺定位技術(shù)是指用攝像機代替人眼對檢測對象進行拍照，經(jīng)過圖像處理和圖像匹配等圖像處理算法，可得到檢測對象的位置，從而指導機器進行相關(guān)操作。圖像匹配技術(shù)則是實現(xiàn)高速度、高精度定位的關(guān)鍵。
[0003]常見的匹配算法有灰度匹配和幾何匹配兩種?；叶绕ヅ湓砗唵?，匹配精度準確度高，但計算量大，匹配速度低；幾何匹配，有利用點或邊緣等特征進行匹配，匹配速度快，但存在原理復(fù)雜，匹配特征少易出現(xiàn)誤匹配的現(xiàn)象。

【發(fā)明內(nèi)容】

[0004]針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種能穩(wěn)定高效匹配的幾何算法，旨在提高匹配準確度和速度，減少計算量。
[0005]為實現(xiàn)以上發(fā)明目的，本發(fā)明采用以下技術(shù)方案:
[0006]一種基于圖像邊緣矢量的匹配方法，包括以下步驟:
[0007](I)對模板圖像和目標圖像分別進行金字塔處理，其中，以模板圖像和目標圖像的原圖為金字塔底層，采用各行各列抽取原圖的方式，得到上一層的圖像金字塔，直至金字塔頂層；
[0008](2)對模板圖像做邊緣檢測，在曲率變化較小的邊緣段上抽取若干邊緣梯度方向矢量，建立模板矢量鏈表，其中，對于粗匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔頂層；對于精匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔底層，也即模板圖像的原圖。
[0009](3)為非平移變換設(shè)置匹配參數(shù)范圍表，包括縮放范圍、旋轉(zhuǎn)角度范圍；
[0010](4)設(shè)置所述匹配參數(shù)在其參數(shù)范圍內(nèi)變化的參數(shù)步長，得到多個參數(shù)組合，根據(jù)所述參數(shù)組合將步驟(2)得到的模板矢量鏈表進行相應(yīng)的坐標轉(zhuǎn)化,得到各個參數(shù)組合對應(yīng)的編譯模板矢量鏈表；
[0011](5)對目標圖像做邊緣檢測，依據(jù)編譯模板矢量鏈表在目標圖像上搜索，進行粗匹配，找到滿足預(yù)定搜索條件的位置，并記錄對應(yīng)的匹配參數(shù)，作為粗匹配結(jié)果，其中，對于粗匹配，所述目標圖像是指目標圖像的金字塔頂層；
[0012](6)縮小匹配參數(shù)步長，在上一步獲得的位置和參數(shù)的結(jié)果基礎(chǔ)上，在底層金字塔的模板圖像和目標圖像上，重復(fù)步驟(2)、(4)并進行精匹配，得到精度更高的匹配位置和參數(shù)，其中，對于精匹配，所述模板圖像是指模板圖像的金字塔底層，也即模板圖像的原圖，所述目標圖像是指目標圖像的金字塔底層，也即目標圖像的原圖。
[0013]本發(fā)明具有以下有益效果:匹配準確度高，利用邊緣梯度特征，大大減少計算量，提高了匹配速度，能夠應(yīng)對光照變化、局部遮擋等情況，應(yīng)用范圍廣。
【專利附圖】

【附圖說明】
[0014]圖1是本發(fā)明的基于圖像邊緣矢量的匹配方法的整體流程圖；
[0015]圖2是本發(fā)明所構(gòu)建的一個離線制作模板流程圖；
[0016]圖3是本發(fā)明所構(gòu)建的一個匹配過程流程圖。
【具體實施方式】
[0017]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。
[0018]本發(fā)明提供了一種穩(wěn)定準確快速的基于圖像邊緣矢量的匹配方法，用于確定相似圖案在目標圖像的位置與參數(shù)。
[0019]在本實施例中，圖像可以表示為行列方向的二維數(shù)組，每個數(shù)組元素的值代表該點的像素灰度值，以圖像左上角為圖像坐標的原點，垂直向下方向為Y正方向，同時也為行數(shù)標號遞增方向，代表了圖像的高度方向，水平向右方向為X正方向，同時也為列數(shù)標號遞增方向，代表了圖像的寬度方向。
[0020]如圖1-2所示，總體而言，本發(fā)明的匹配方法分為模板矢量制作階段、編譯模板矢量轉(zhuǎn)換階段和匹配階段。以下對本發(fā)明提出的匹配方法作詳細說明。
[0021]模板矢量制作階段，首先對模板圖像和目標圖像進行邊緣檢測處理，具體步驟如下:
[0022](I)對模板圖像和目標圖像分別進行金字塔處理，其中，以模板圖像和目標圖像的原圖為金字塔底層，采用各行各列抽取原圖的方式，得到上一層的圖像金字塔，直至金字塔頂層。
[0023]其中，可以根據(jù)模板圖像大小，確定金字塔層數(shù)。
[0024](2)對模板圖像做邊緣檢測，抽取若干邊緣梯度方向矢量，建立模板矢量鏈表，其中，對于粗匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔頂層；對于精匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔底層，也即模板圖像的原圖。具體而言，步驟(2)包括:
[0025](2.1)對所述模板圖像數(shù)據(jù)做邊緣檢測，計算得到邊緣點處的梯度大小和方向。
[0026]在本實施例中，邊緣檢測可以采用Sobel算子。Sobel算子x，y方向的算子分別為:
【權(quán)利要求】
1.一種基于圖像邊緣矢量的匹配方法，包括以下步驟: (1)對模板圖像和目標圖像分別進行金字塔處理，其中，以模板圖像和目標圖像的原圖為金字塔底層，采用各行各列抽取原圖的方式，得到上一層的圖像金字塔，直至金字塔頂層； (2)對模板圖像做邊緣檢測，抽取若干邊緣梯度方向矢量，建立模板矢量鏈表，其中，對于粗匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔頂層；對于精匹配，所述模板圖像數(shù)據(jù)是指模板圖像的金字塔底層，也即模板圖像的原圖。 (3)為非平移變換設(shè)置匹配參數(shù)范圍表，包括縮放范圍、旋轉(zhuǎn)角度范圍； (4)設(shè)置所述匹配參數(shù)在其參數(shù)范圍內(nèi)變化的參數(shù)步長，得到多個參數(shù)組合，根據(jù)所述參數(shù)組合將步驟(2)得到的模板矢量鏈表進行相應(yīng)的坐標轉(zhuǎn)化,得到各個參數(shù)組合對應(yīng)的編譯模板矢量鏈表； (5)對目標圖像做邊緣檢測，依據(jù)編譯模板矢量鏈表在目標圖像上搜索，進行粗匹配，找到滿足預(yù)定搜索條件的位置，并記錄對應(yīng)的匹配參數(shù)，作為粗匹配結(jié)果，其中，對于粗匹配，所述目標圖像是指目標圖像的金字塔頂層； (6)縮小匹配參數(shù)步長，在上一步獲得的位置和參數(shù)的結(jié)果基礎(chǔ)上，在底層金字塔的模板圖像和目標圖像上，重復(fù)步驟(2)、(4)并進行精匹配，得到精度更高的匹配位置和參數(shù)，其中，對于精匹配，所述模板圖像是指模板圖像的金字塔底層，也即模板圖像的原圖，所述目標圖像是指目標圖像的金字塔底層，也即目標圖像的原圖。
2.根據(jù)權(quán)利要求1所述的匹配算法，其中，所述步驟(2)包括: (2.1)對所述模板圖像數(shù)據(jù)做邊緣檢測，計算得到邊緣點處的梯度大小和方向； (2.2)連接相鄰且梯度方向接近的邊緣點，從第一個邊緣點開始，判斷其四鄰域或八鄰域內(nèi)是否存在方向接近的邊緣點，若存在，則按順序存儲，直到所有邊緣點搜索檢測完畢，得到若干條存儲邊緣； (2.3)去除所述存儲邊緣中長度小于設(shè)定閾值，或梯度大小的平均值小于設(shè)定閾值的邊緣段； (2.4)對剩下的邊緣段分別做曲率分析，去除角點； (2.5)對于去除角點后的每一個邊緣段，均勻抽取若干邊緣梯度矢量，用以取代整個邊緣段，從而建立代表模板的矢量鏈表。
3.根據(jù)權(quán)利要求2所述的匹配方法，步驟(2.4)中，曲率判斷的閾值為Angle，若當前邊緣點與相鄰兩個邊緣點的角度差都大于Angle,則認為該邊緣點為角點。
4.根據(jù)權(quán)利要求1所述的匹配方法，其中，所述邊緣檢測采用Sobel算子，Sobel算子x，y方向的算子分別為::1 O +1] 「+I +2 +1'G= -2 O +2 ,G= O O O
Xy-1 O +IJ [-1 -2 -1 梯度大小的計算公式:G-^GtTGt 梯度方向的計算公式:
5.根據(jù)權(quán)利要求1所述的匹配方法，其中，所述步驟(5)包括: (5.1)對目標圖像做邊緣檢測，得到邊緣點處的梯度大小和方向； (5.2)對步驟(4)得到的編譯模板矢量鏈表按旋轉(zhuǎn)、縮放的順序，依次變化參數(shù)，分別將所述編譯模板矢量鏈表在目標圖像上平移，并計算出每個位置的匹配得分Scorel ； (5.3)設(shè)置閾值Threshold,將ScoreDThreshold的多個位置作為參考位置,并記錄下對應(yīng)的匹配參數(shù)，作為后續(xù)精匹配的參數(shù)范圍。
6.根據(jù)權(quán)利要求5所述的匹配方法，其中，所述步驟(5.2)中，匹配得分Scorel為:
7.根據(jù)權(quán)利要求5所述的匹配方法，其中，所述步驟(6)具體為: (6.1)對目標圖像做邊緣檢測，得到邊緣點處的梯度大小和方向； (6.2)縮小匹配參數(shù)步長，參數(shù)范圍使用步驟(5.3)獲得的粗匹配結(jié)果，對步驟(4)得到的編譯模板矢量鏈表按旋轉(zhuǎn)、縮放的順序，依次變化參數(shù)，以步驟(5.3)得到的參考位置為初始位置，分別將所述編譯模板矢量鏈表在目標圖像上平移，并計算出每個位置的匹配得分 Score2。 (6.3)尋找匹配得分Score〗最大的位置，該位置即為匹配點，所對應(yīng)的參數(shù)即為匹配參數(shù)。
8.根據(jù)權(quán)利要求7所述的匹配方法，其中，所述步驟(6.2)中，匹配得分Sc0re2為:
【文檔編號】G06T7/00GK103679702SQ201310589166
【公開日】2014年3月26日 申請日期:2013年11月20日 優(yōu)先權(quán)日:2013年11月20日
【發(fā)明者】楊華, 尹周平, 鄭世嬌, 張步陽, 胡洋, 李勇, 楊碩 申請人:華中科技大學