CN101340811B - 影像最优匹配系统及方法 - Google Patents
影像最优匹配系统及方法 Download PDFInfo
- Publication number
- CN101340811B CN101340811B CN2007102010258A CN200710201025A CN101340811B CN 101340811 B CN101340811 B CN 101340811B CN 2007102010258 A CN2007102010258 A CN 2007102010258A CN 200710201025 A CN200710201025 A CN 200710201025A CN 101340811 B CN101340811 B CN 101340811B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- template
- sampling
- offset point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
Abstract
本发明提供一种影像最优匹配方法,该方法包括步骤:根据测量需要从待测影像中选取模板影像和目标影像;对上述模板影像和目标影像设定采样间隔;按照设定的采样间隔分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像;将所述模板采样影像和目标采样影像进行匹配;若所述模板采样影像与所述目标采样影像匹配成功,则将所述模板影像和目标影像进行最优匹配。本发明还提供一种影像最优匹配系统。利用本发明,能够快速准确地对影像进行最优匹配,以迅速定位测量目标。
Description
技术领域
本发明涉及一种影像最优匹配系统及方法。
背景技术
目前制造业普遍存在质量管理意识,而质量的管理愈来愈依赖测量仪器,特别是无法由肉眼所检视的精密产品,例如电路板排线、连接器端子排列的整齐度、半导体封装的插孔、液晶屏幕、精密铸模等。
随着竞争的日益激烈,测量仪器也从传统的卡尺、显微镜、投影仪到三维接触式测量仪再到非接触式测量仪器,并与计算机结合,对测量结果进行分析运算。
工厂在对生产的产品进行测量时,通常利用影像测量仪器摄取产品的影像,再传输到计算机中测量所述影像以获取该产品各个部位的实际尺寸,然后与其标准尺寸相对比,判断产品的质量是否合格。
其中,在计算机中测量所述影像时,经常需要人工定位测量目标(即人工选取所述影像上的某一部分如点、线等),而后对所述测量目标进行测量。对于大批量影像的测量,每一个影像都需要人工定位测量目标。如此,既耗时,又费力,效率极低,还容易出错。
发明内容
鉴于以上内容,有必要提出一种影像最优匹配系统,其可快速准确对影像进行最优匹配,以迅速定位测量目标。
鉴于以上内容,还有必要提出一种影像最优匹配方法,其可快速准确对影像进行最优匹配,以迅速定位测量目标。
一种影像最优匹配系统,包括计算机及影像量测机台,其中,所述计算机包括影像撷取卡,该影像撷取卡用于接收所述影像量测机台获取的待测影像,所述计算机还包括:影像最优匹配程序,用于对上述传送到影像撷取卡的待测影像进行最优匹配,该影像最优匹配程序包括:选取模块,用于根据测量需要从待测影像中选取模板影像和目标影像,及设定参数;设定模块,用于对上述模板影像和目标影像设定采样间隔;采样模块,用于按照设定的采样间隔分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像;预匹配模块,用于将所述模板采样影像和目标采样影像进行匹配;及最优匹配模块,用于当所述模板采样影像与所述目标采样影像匹配成功时,将所述模板影像和目标影像进行最优匹配。
一种影像最优匹配方法,该方法包括以下步骤:(a)根据测量需要从待测影像中选取模板影像和目标影像;(b)对上述模板影像和目标影像设定采样间隔;(c)按照设定的采样间隔分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像;(d)将所述模板采样影像和目标采样影像进行匹配;(e)若所述模板采样影像与所述目标采样影像匹配成功,则将所述模板影像和目标影像进行最优匹配。
所述影像最优匹配系统及方法,能够快速准确地对影像进行最优匹配。因而,可以迅速定位测量目标,提高工作效率,同时能够节省人工手动操作的工作量,减少人为错误。
附图说明
图1是本发明影像最优匹配系统较佳实施例的硬件架构图。
图2是图1中影像最优匹配程序的功能模块图。
图3是本发明影像最优匹配方法较佳实施例的作业流程图。
图4是本发明将模板采样影像和目标采样影像进行匹配的子流程图。
图5是本发明将模板影像和目标影像进行最优匹配的子流程图。
图6是本发明目标采样影像中偏移点为原点的子影像的示意图。
具体实施方式
参阅图1所示,是本发明影像最优匹配系统11较佳实施例的硬件架构图。该影像最优匹配系统11安装并运行于计算机1中,该计算机1与影像量测机台6相连接,该影像量测机台6上放置有待测产品5。
所述影像量测机台6的Z轴上还安装有用于采集连续影像的CCD(Charged Coupled Device,电荷耦合装置)7,该CCD7装有工业光学镜头8,CCD7搭配所述工业光学镜头8可以使待测产品5成像。
所述计算机1可以是IBM架构的个人计算机(IBM PersonalComputer,IBM PC),也可以是Apple公司的Mac PC,还可以是任意其它适用的计算机。该计算机1内装有影像撷取卡10。
其中,所述CCD7通过影像数据线与所述影像撷取卡10相连,将从影像量测机台6获取的待测产品5的影像传送到影像撷取卡10,并显示于计算机1的显示屏幕(未示出)上,所述影像最优匹配系统11主要用于对所述传送到影像撷取卡10的批量待测产品5的批量影像(即待测影像)进行最优匹配计算。
参阅图2所示,是图1中影像最优匹配系统11的功能模块图。本发明所称的各模块是所述影像最优匹配系统11中完成特定功能的各个程序段,比程序本身更适合于描述软件在计算机中的执行过程,因此本发明对软件的描述都以模块描述。
所述影像最优匹配系统11主要包括:选取模块201、判断模块202、设定模块203、采样模块204、预匹配模块205及最优匹配模块206。
所述选取模块201用于根据测量目标选取待测影像中的一个影像或者其中一个影像的某一部分作为模板影像,从所述待测影像中选取一个影像作为目标影像,及设定相关参数。其中,所述参数包括该模板影像和目标影像的当前相关系数Cn,及最优偏移点p1的初始坐标。此时所述当前相关系数Cn定义了所述模板影像和目标影像的最小相关度,只有当所述模板影像和目标影像的相关度大于该最小相关度时才能匹配成功;所述最优偏移点p1的初始坐标一般设定为该目标影像上实际并不存在的坐标,在本较佳实施例中,将该最优偏移点p1的初始坐标设定为(-1,-1)。
所述判断模块202用于判断上述选取的模板影像和目标影像是否符合要求。所述要求可以由用户自己设定,也可以为默认值,一般均设为长度至少为11像素,宽度至少为11像素,以保证影像匹配的准确性。具体而言,判断模块202首先获取所述模板影像的长度和宽度、目标影像的长度和宽度,而后判断所述模板影像和目标影像的长度和宽度是否分别达到11像素。
所述设定模块203用于对上述影像中符合要求的模板影像和目标影像设定采样间隔。所述采样间隔指每隔多少个像素进行一次采样,该采样间隔可以由用户自己设定,也可以自动设定。其中自动设定的采样间隔由上述获取的模板影像的长度和宽度计算得到。
所述采样模块204用于根据上述设定的采样间隔,分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像。
所述预匹配模块205用于将所述模板采样影像和目标采样影像进行匹配,匹配方法如下:
第一步,分别计算得到模板影像的平均灰度mGA和灰度方差mGD、模板采样影像的平均灰度cmGA和灰度方差cmGD、目标采样影像中偏移点为原点的子影像的平均灰度ctGA和灰度方差ctGD。所述目标采样影像中偏移点为原点的子影像(请参考图6)指目标采样影像中偏移点为(0,0),且和所述模板采样影像长度、宽度相同的区域。
其中,计算得到mGA的具体步骤为:获取所述模板影像各像素的二维坐标,依据上述各像素的二维坐标获取各坐标对应像素的灰度值,取上述各像素灰度值的平均值作为该模板影像的平均灰度mGA。cmGA、ctGA的计算方法与mGA相同。
计算得到mGD的公式为:
其中l为该模板影像的长度,w为该模板影像的宽度,Pixel(i)为该模板影像中某一像素的灰度值。cmGD、ctGD的计算方法与mGD相同。
第二步,判断上述计算得到的cmGA与ctGA的相对误差及cmGD与ctGD的相对误差是否均小于指定值。其中,所述指定值可以由用户事先指定,也可以为默认值,该指定值一般为0.5。
若cmGA与ctGA的相对误差及cmGD与ctGD的相对误差均小于该指定值,则根据所述cmGA、ctGA、cmGD、ctGD并利用相关系数公式,计算得到所述模板采样影像和目标采样影像子影像的相关系数C,并将该相关系数C与当前相关系数Cn比较:当C大于Cn时,用C的值对当前相关系数Cn的值进行更新,并将该最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标。
若cmGA与ctGA的相对误差、cmGD与ctGD的相对误差中有一个不小于该指定值,则判断所述偏移点是否为所述目标采样影像的最后一点,也即是,判断所述偏移点的坐标是否为该目标采样影像中所有像素坐标的最大坐标。
若所述偏移点不是所述目标采样影像的最后一点,则计算目标采样影像中下一个偏移点的子影像的平均灰度ctGA和灰度方差ctGD,而后返回第二步:判断得到的cmGA与ctGA的相对误差及cmGD与ctGD的相对误差是否均小于指定值。其中,所述下一个偏移点是以所述原点为起点(请参考图6)按先从上向下、再从左向右的顺序,依次选定的该目标采样影像中像素的坐标点。
所述判断模块202还用于判断所述模板采样影像与所述目标采样影像是否匹配成功,在本较佳实施例中,也即判断该最优偏移点p1的坐标是否为(-1,-1)。
所述最优匹配模块206用于当所述模板采样影像与所述目标采样影像匹配成功时,将所述模板影像和目标影像进行最优匹配,最优匹配的方法如下:
首先,计算得到该最优偏移点p1在所述目标影像附近域的所有子影像的平均灰度tGA和灰度方差tGD。其中,所述附近域的子影像指目标影像中以该最优偏移点p1与其相邻采样点之间的像素的坐标点为偏移点的子影像,例如,现假设该最优偏移点p1的坐标为(0,3),采样间隔为2,那么,该最优偏移点p1在所述目标影像附近域的所有子影像是,偏移点分别为(0,1)、(0,2)、(0,4)、(0,5)、(1,3)、(2,3)的子影像。
然后,根据所述mGA、tGA、mGD、tGD并利用相关系数公式,计算所述模板影像分别和最优偏移点p1在所述目标影像附近域的所有子影像的相关系数,从中得到值最大的相关系数C,将该相关系数C与当前相关系数Cn比较:当C大于Cn时,用C的值对当前相关系数Cn的值进行更新,并将所述最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标。
参阅图3所示,是本发明影像最优匹配方法较佳实施例的作业流程图。
本影像最优匹配方法主要针对上述传送到影像撷取卡10的批量待测产品5的批量影像(即待测影像)进行最优匹配计算,其设计思想是:根据测量目标,选定待测影像的其中一个影像或者其中一个影像的某一部分作为模板影像,而后将其他待测影像与该模板影像进行最优匹配,以自动定位测量目标。以下仅以该模板影像和其中一个待测影像的最优匹配为例进行说明。
步骤S301,进行一些准备步骤:选取模块201首先根据测量目标选取待测影像中的一个影像或者其中一个影像的某一部分作为模板影像;接着从所述待测影像中选取一个影像作为目标影像;然后设定相关参数。其中,所述参数包括该模板影像和目标影像的当前相关系数Cn,及最优偏移点p1的初始坐标。此时所述当前相关系数Cn定义了所述模板影像和目标影像的最小相关度,只有当所述模板影像和目标影像的相关度大于该最小相关度时才能匹配成功;所述最优偏移点p1的初始坐标一般设定为该目标影像上实际并不存在的坐标,在本较佳实施例中,将该最优偏移点p1的初始坐标设定为(-1,-1)。
步骤S302,判断模块202判断上述选取的模板影像和目标影像是否符合要求。所述要求可以由用户自己设定,也可以为默认值,一般均设为长度至少为11像素,宽度至少为11像素,以保证影像匹配的准确性。具体而言,首先获取所述模板影像的长度和宽度、目标影像的长度和宽度,而后判断所述模板影像和目标影像的长度和宽度是否分别达到11像素。
若所述模板影像和目标影像均符合要求,则进入步骤S303,设定模块203对所述模板影像和目标影像设定采样间隔。所述采样间隔指每隔多少个像素进行一次采样,该采样间隔可以由用户自己设定,也可以自动设定。其中自动设定的采样间隔由上述获取的模板影像的长度和宽度计算得到。
步骤S304,采样模块204根据上述设定的采样间隔,分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像。
步骤S305,预匹配模块205将得到的模板采样影像和目标采样影像进行匹配。(具体步骤将在图4中详细描述)
步骤S306,判断模块202判断所述模板采样影像和目标采样影像是否匹配成功,在本较佳实施例中,也即判断该最优偏移点p1的坐标是否为(-1,-1)。
若所述模板采样影像与所述目标采样影像匹配成功,也即是,所述最优偏移点p1的坐标不为(-1,-1),则进入步骤S307,最优匹配模块206将所述模板影像和目标影像进行最优匹配。(具体步骤将在图5中详细描述)
在步骤S306中,若所述模板采样影像与所述目标采样影像没有匹配成功,在本较佳实施例中,也即所述目标采样影像中最优偏移点p1的坐标仍旧为(-1,-1),则流程结束。
在步骤S302中,若所述模板影像和目标影像中有一个不符合要求,则流程结束。
参阅图4所示,是本发明步骤S305利用预匹配模块205将模板采样影像和目标采样影像进行匹配的子流程图。
步骤S406,分别计算得到模板影像的平均灰度mGA和灰度方差mGD、模板采样影像的平均灰度cmGA和灰度方差cmGD、目标采样影像中偏移点为原点的子影像的平均灰度ctGA和灰度方差ctGD。所述目标采样影像中偏移点为原点的子影像(请参考图6)指目标采样影像中偏移点为(0,0),且和所述模板采样影像长度、宽度相同的区域。
其中,计算得到mGA的具体步骤为:获取所述模板影像各像素的二维坐标,依据上述各像素的二维坐标获取各坐标对应像素的灰度值,取上述各像素灰度值的平均值作为该模板影像的平均灰度mGA。cmGA、ctGA的计算方法与mGA相同。
计算得到mGD的公式为:
其中l为该模板影像的长度,w为该模板影像的宽度,Pixel(i)为该模板影像中某一像素的灰度值。cmGD、ctGD的计算方法与mGD相同。
步骤S407,判断上述计算得到的cmGA与ctGA的相对误差及cmGD与ctGD的相对误差是否均小于指定值。其中,所述指定值可以由用户事先指定,也可以为默认值,该指定值一般为0.5。
若cmGA与ctGA的相对误差及cmGD与ctGD的相对误差均小于该指定值,则进入步骤S408,根据所述cmGA、ctGA、cmGD、ctGD并利用相关系数公式,计算得到所述模板采样影像和目标采样影像子影像的相关系数C,并将该相关系数C与当前相关系数Cn比较:当C大于Cn时,用C的值对当前相关系数Cn的值进行更新,并将该最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标,然后进入步骤S409:判断所述偏移点是否为所述目标采样影像的最后一点。
若cmGA与ctGA的相对误差、cmGD与ctGD的相对误差中有一个不小于该指定值,则直接进入步骤S409,判断所述偏移点是否为所述目标采样影像的最后一点,也即是,判断所述偏移点的坐标是否为该目标采样影像中所有像素坐标的最大坐标。
若所述偏移点不是所述目标采样影像的最后一点,则进入步骤S410,计算目标采样影像中下一个偏移点的子影像的平均灰度ctGA和灰度方差ctGD(请参考步骤S406),而后返回步骤S407:判断得到的cmGA与ctGA的相对误差及cmGD与ctGD的相对误差是否均小于指定值。其中,所述下一个偏移点是以所述原点为起点(请参考图6)按先从上向下、再从左向右的顺序,依次选定的该目标采样影像中像素的坐标点。
在步骤S409中,若所述偏移点是所述目标采样影像的最后一点,则流程结束。
参阅图5所示,是本发明步骤S307利用最优匹配模块206将模板影像和目标影像进行最优匹配的子流程图。
步骤S512,计算得到该最优偏移点p1在所述目标影像附近域的所有子影像的平均灰度tGA和灰度方差tGD(请参考步骤S406)。其中,所述附近域的子影像指目标影像中以该最优偏移点p1与其相邻采样点之间的像素的坐标点为偏移点的子影像,例如,现假设该最优偏移点p1的坐标为(0,3),采样间隔为2,那么,该最优偏移点p1在所述目标影像附近域的所有子影像是,偏移点分别为(0,1)、(0,2)、(0,4)、(0,5)、(1,3)、(2,3)的子影像。
步骤S513,根据所述mGA、tGA、mGD、tGD并利用相关系数公式,计算所述模板影像分别和最优偏移点p1在所述目标影像附近域的所有子影像的相关系数,从中得到值最大的相关系数C,将该相关系数C与当前相关系数Cn比较:当C大于Cn时,用C的值对当前相关系数Cn的值进行更新,并将所述最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标。
本发明所提供的影像最优匹配方法,在选定模板影像后,所有的匹配步骤均可自动记录在计算机1中,因此对于大批量的影像,可直接调用上述记录全自动进行,无需人为干预,使用极为方便。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种影像最优匹配系统,安装并运行于计算机中,及该计算机与影像量测机台相连接,所述计算机包括影像撷取卡,该影像撷取卡用于接收所述影像量测机台获取的待测影像,其特征在于,所述影像最优匹配系统包括:
选取模块,用于根据测量需要从待测影像中选取模板影像和目标影像及设定参数,所述的参数包括:模板影像和目标影像的相关系数Cn,及目标影像中最优偏移点p1的初始坐标;
设定模块,用于对上述模板影像和目标影像设定采样间隔;
采样模块,用于按照设定的采样间隔分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像;
预匹配模块,用于根据模板影像和目标影像的相关系数Cn以及模板采样影像和目标采样影像中偏移点为原点的子影像的相关系数C将所述模板采样影像和目标采样影像进行匹配;及
最优匹配模块,用于当所述模板采样影像与所述目标采样影像匹配成功时,根据模板影像和目标影像的相关系数Cn以及模板影像和最优偏移点p1在目标影像附近域的所有子影像的相关系数C将所述模板影像和目标影像进行最优匹配。
2.如权利要求1所述的影像最优匹配系统,其特征在于,所述的预匹配模块将所述模板采样影像和目标采样影像进行匹配是通过执行如下步骤:
a.分别计算得到模板采样影像的平均灰度cmGA和灰度方差cmGD、目标采样影像中偏移点为原点的子影像的平均灰度ctGA和灰度方差ctGD,所述的偏移点为原点的子影像是指目标采样影像中偏移点为原点,且和所述模板采样影像长度、宽度相同的区域;
b.当所述cmGA与ctGA的相对误差及cmGD与ctGD的相对误差均小于指定值时,计算得到所述模板采样影像和目标采样影像子影像的相关系数C,当C大于Cn时,用C的值对Cn的值进行更新,并将该最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标;及
c.当所述cmGA与ctGA的相对误差、cmGD与ctGD的相对误差中有一个不小于该指定值时,计算得到目标采样影像中下一个偏移点的子影像的平均灰度ctGA和灰度方差ctGD,重复步骤b和步骤c,直至该偏移点是所述目标采样影像的最后一点。
3.如权利要求2所述的影像最优匹配系统,其特征在于,所述的下一个偏移点是以原点为起点按先从上向下、再从左向右的顺序,依次选定的所述目标采样影像中像素的坐标点。
4.如权利要求1所述的影像最优匹配系统,其特征在于,所述的最优匹配模块将所述模板影像和目标影像进行最优匹配是通过执行如下步骤:
计算得到该最优偏移点p1在所述目标影像附近域的所有子影像的平均灰度tGA和灰度方差tGD,所述的附近域的子影像是指目标影像中以该最优偏移点p1与其相邻采样点之间的像素的坐标点为偏移点的子影像;及
计算得到所述模板影像分别和上述最优偏移点p1在所述目标影像附近域的所有子影像的相关系数,并从中得到值最大的相关系数C,当C大于Cn时,用C的值对Cn的值进行更新,并将所述最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标。
5.一种影像最优匹配方法,其特征在于,该方法包括如下步骤:
根据测量需要从待测影像中选取模板影像和目标影像及设定参数,所述的参数包括:模板影像和目标影像的当前相关系数Cn,及目标影像中最优偏移点p1的初始坐标;
对上述模板影像和目标影像设定采样间隔;
按照设定的采样间隔分别对所述模板影像和目标影像进行采样,以得到模板采样影像和目标采样影像;
根据模板影像和目标影像的相关系数Cn以及模板采样影像和目标采样影像中偏移点为原点的子影像的相关系数C将所述模板采样影像和目标采样影像进行匹配;
若所述模板采样影像与所述目标采样影像匹配成功,则根据模板影像和目标影像的相关系数Cn以及模板影像和最优偏移点p1在目标影像附近域的所有子影像的相关系数C将所述模板影像和目标影像进行最优匹配。
6.如权利要求5所述的影像最优匹配方法,其特征在于,所述步骤将所述模板采样影像和目标采样影像进行匹配包括:
a.分别计算得到模板采样影像的平均灰度cmGA和灰度方差cmGD、目标采样影像中偏移点为原点的子影像的平均灰度ctGA和灰度方差ctGD,所述的偏移点为原点的子影像是指目标采样影像中偏移点为原点,且和所述模板采样影像长度、宽度相同的区域;
b.若所述cmGA与ctGA的相对误差及cmGD与ctGD的相对误差均小于指定值,则计算得到所述模板采样影像和目标采样影像子影像的相关系数C,当C大于Cn时,用C的值对Cn的值进行更新,并将该最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标;
c.若所述cmGA与ctGA的相对误差、cmGD与ctGD的相对误差中有一个不小于该指定值,则计算得到目标采样影像中下一个偏移点的子影像的平均灰度ctGA和灰度方差ctGD,重复步骤b和步骤c,直至该偏移点是所述目标采样影像的最后一点。
7.如权利要求6所述的影像最优匹配方法,其特征在于,所述的下一个偏移点是以原点为起点按先从上向下、再从左向右的顺序,依次选定的所述目标采样影像中像素的坐标点。
8.如权利要求5所述的影像最优匹配方法,其特征在于,所述步骤将所述模板影像和目标影像进行最优匹配包括:
计算得到该最优偏移点p1在所述目标影像附近域的所有子影像的平均灰度tGA和灰度方差tGD,所述的附近域的子影像是指目标影像中以该最优偏移点p1与其相邻采样点之间的像素的坐标点为偏移点的子影像;
计算得到所述模板影像分别和上述最优偏移点p1在所述目标影像附近域的所有子影像的相关系数,并从中得到值最大的相关系数C,当C大于Cn时,用C的值对Cn的值进行更新,并将所述最优偏移点p1的坐标更新为与该C相对应的偏移点的坐标。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007102010258A CN101340811B (zh) | 2007-07-06 | 2007-07-06 | 影像最优匹配系统及方法 |
US12/166,269 US8090206B2 (en) | 2007-07-06 | 2008-07-01 | Systems and methods for matching images |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007102010258A CN101340811B (zh) | 2007-07-06 | 2007-07-06 | 影像最优匹配系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101340811A CN101340811A (zh) | 2009-01-07 |
CN101340811B true CN101340811B (zh) | 2010-12-08 |
Family
ID=40214727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007102010258A Expired - Fee Related CN101340811B (zh) | 2007-07-06 | 2007-07-06 | 影像最优匹配系统及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8090206B2 (zh) |
CN (1) | CN101340811B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065300B (zh) * | 2011-01-18 | 2016-05-11 | 北京中星微电子有限公司 | 一种视频压缩中的块匹配方法及装置 |
US10706449B2 (en) * | 2016-06-13 | 2020-07-07 | Halo Goods, Llc | Systems and methods for a real time configuring, ordering and manufacturing of color related products |
US10606536B2 (en) | 2018-08-17 | 2020-03-31 | Bank Of America Corporation | Intelligent systematic physical document fulfillment system |
US11087323B2 (en) | 2018-08-21 | 2021-08-10 | Bank Of America Corporation | Exposure based secure access system |
US11025641B2 (en) | 2018-08-21 | 2021-06-01 | Bank Of America Corporation | System for optimizing access control for server privilege |
US11361330B2 (en) | 2018-08-22 | 2022-06-14 | Bank Of America Corporation | Pattern analytics system for document presentment and fulfillment |
CN109685777B (zh) * | 2018-12-11 | 2021-06-08 | 北京理工大学 | 图像处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1223826C (zh) * | 2002-12-25 | 2005-10-19 | 鸿富锦精密工业(深圳)有限公司 | 影像测量系统和方法 |
CN1782936A (zh) * | 2004-12-04 | 2006-06-07 | 鸿富锦精密工业(深圳)有限公司 | 数控量床影像量测系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5912988A (en) * | 1996-12-27 | 1999-06-15 | Xytec Corporation | Image processing method and apparatus for distortion compensation |
WO2002021438A2 (en) | 2000-09-07 | 2002-03-14 | Koninklijke Philips Electronics N.V. | Image matching |
JP3748433B2 (ja) * | 2003-03-05 | 2006-02-22 | 株式会社日立製作所 | ベッド位置決め装置及びその位置決め方法 |
US7822259B2 (en) * | 2006-05-26 | 2010-10-26 | Areva Np Inc. | Method for positive identification of inner surface and outer surface of sample flakes |
US7920714B2 (en) * | 2006-07-31 | 2011-04-05 | Canadian Bank Note Company, Limited | Method and apparatus for comparing document features using texture analysis |
-
2007
- 2007-07-06 CN CN2007102010258A patent/CN101340811B/zh not_active Expired - Fee Related
-
2008
- 2008-07-01 US US12/166,269 patent/US8090206B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1223826C (zh) * | 2002-12-25 | 2005-10-19 | 鸿富锦精密工业(深圳)有限公司 | 影像测量系统和方法 |
CN1782936A (zh) * | 2004-12-04 | 2006-06-07 | 鸿富锦精密工业(深圳)有限公司 | 数控量床影像量测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US8090206B2 (en) | 2012-01-03 |
US20090010550A1 (en) | 2009-01-08 |
CN101340811A (zh) | 2009-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101340811B (zh) | 影像最优匹配系统及方法 | |
CN106248686A (zh) | 基于机器视觉的玻璃表面缺陷检测装置及方法 | |
CN114220757B (zh) | 晶圆检测对位方法、装置和系统及计算机介质 | |
KR101342523B1 (ko) | 위치 측정 장치 및 위치 측정 방법 | |
CN105547342A (zh) | 基于液晶面板的工业镜头测试装置及方法 | |
CN105424721A (zh) | 一种金属应变计缺陷自动检测系统 | |
CN203203941U (zh) | 光学式瑕疵检测装置 | |
US8390731B2 (en) | System and method for measuring a border of an image of an object | |
CN108983460B (zh) | 一种探针压接装置的定位精度补偿系统及方法 | |
CN102759788A (zh) | 表面多点对焦系统及方法 | |
CN1223826C (zh) | 影像测量系统和方法 | |
CN215930816U (zh) | 一种基于视觉传感的数字化平面度测试装置 | |
TW201445458A (zh) | 一種攝像設備的檢測裝置及方法 | |
CN109444150A (zh) | 非接触式裂纹测量方法及其装置 | |
CN115456984A (zh) | 基于二维码高速识别图像识别缺陷检测系统 | |
CN107796306B (zh) | 一种二次元测量仪及测量方法 | |
CN209215256U (zh) | 一种适用于人工智能检测pcb的自动光学检测装置 | |
TWI387726B (zh) | 影像最優匹配系統及方法 | |
CN112461504B (zh) | 一种基于vr镜片一致性测试的方法及装置 | |
CN110070095B (zh) | 一种在线视觉检测系统中的同步采集方法 | |
JP2000266519A (ja) | 歪み量計測方法及び装置 | |
JP2005069795A (ja) | 寸法測定装置の所定部位登録方法 | |
CN210154517U (zh) | 一种钢铁加工件检测设备 | |
US8624929B2 (en) | System for transforming and displaying coordinate datum | |
KR0156112B1 (ko) | 카메라를 이용한 피씨비 자동검사 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101208 Termination date: 20170706 |
|
CF01 | Termination of patent right due to non-payment of annual fee |