CN101520699A - 影像位移侦测方法 - Google Patents
影像位移侦测方法 Download PDFInfo
- Publication number
- CN101520699A CN101520699A CN200810006321A CN200810006321A CN101520699A CN 101520699 A CN101520699 A CN 101520699A CN 200810006321 A CN200810006321 A CN 200810006321A CN 200810006321 A CN200810006321 A CN 200810006321A CN 101520699 A CN101520699 A CN 101520699A
- Authority
- CN
- China
- Prior art keywords
- image
- displacement
- block
- axis displacement
- maximum
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明影像位移侦测方法是利用第一时间影像的中心为起点,以前次影像位移向量或是经调整后的前次影像位移向量的反方向位移处,作为影像比对基准区块,然后对第二时间影像进行比对,从而计算出第一时间影像与第二时间影像之间的影像位移向量。如此,本发明方法可以相对的提高约一倍传感器最大追踪速度。
Description
技术领域
本发明关于一种影像位移侦测方法,尤其是关于应用在传感器(例如光学鼠标的传感器)的影像位移侦测方法,可以相对的提高约一倍传感器最大追踪速度(Max Tracking Speed)。
背景技术
传统典型的区块比对算法(Block Matching Algorithm),是固定在第一时间影像(1st Frame)的中心选取一小于第一时间影像的区块称为基准区块(Reference Block),再依此基准区块对第二时间影像(2nd Frame)作比对搜寻,其比对方式是将第二时间影像分割成一块块与基准区块相同大小的区块称之为取样区块群(Sample Blocks),再经过平均绝对值误差(Mean Absolute Difference,简称MAD)或均平方根误差(Mean SquareError,简称MSE)区块运算,计算每一个像素之间的相似度,于取样区块群找出一与基准区块最佳匹配的取样区块(经计算后值最小的区块),藉以计算出影像的位移向量。
其中RB(x,y)是基准区块的像素值,SB(x,y,s)是取样区块的像素值,M是比对区块的大小,s是指取样区块群中的第几个取样区块。底下,举例说明习知影像位移侦测方法。
图1A~图1D为习知影像位移侦测方法的示意图。如图1A所示,传感器感应阵列大小N*N,影像比对基准区块大小M*M,取样频率为f,实际的每一个像素(pixel)边长为L。X轴方向的X轴最大位移量为Xmax=(N-M)÷2像素,而Y轴方向的Y轴最大位移量为Ymax=(N-M)÷2像素。传统区块比对法的最大追踪速度=(N-M)÷2×f×L(距离单位/秒)。
如图1B所示,在虚拟的桌面10中,传感器由左上角往右下角移动并分别取得连续影像12a~12c。如图1C所示,所撷取的影像12a~12c中则分别具有影像特征14a~14d。
为了侦测影像位移,以第一时间影像12a的中心取一正方的区块作为影像比对基准区块(Reference Block)(即围绕住影像特征14a),然后从第二时间影像12b的左上角开始,以同样的方式取出一个相同大小的子区块,来进行比对是否相同,并为了找到第一时间影像12a与第二时间影像12b之间的影像位移向量,对第二时间影像12b展开全区域搜寻比对程序。
在全区域搜寻比对程序中,在影像12b向右移动一个像素再取出另一个相同大小的子区块,并且持续地由左至右,由上而下,依序搜寻逐一经过MAD或MSE区块运算,找出最匹配的子区块(The MatchedSubblock),进而找到第一时间影像12a与第二时间影像12b之间的影像位移向量S(-x,+y)。
如图1D所示,经过这些子区块的逐次比对后可得一个与影像比对基准区块最为相似的子区块,进而求得影像的位移向量S。传统区块比对法是把影像比对基准区块当作初始位置(0,0),若找出的最佳匹配的子区块相对于影像比对基准区块的位置,是向左移x个像素就定义影像位移向量为“-x”,向右移x个像素就定义影像位移向量为“+x”,若位置是初始位置向下移y个像素就定义影像位移向量为“-y”,向上移y个像素就定义影像位移向量为“+y”。因此上述所得影像的位移向量S(-x,+y),就是在经过第二时间后,第一时间影像12a的中心影像特征14a“★”,在X轴上,往左移动了x个像素,在Y轴上,往上移动了y个像素。
图2A、2B为习知影像位移侦测方法的另一示意图。如图2A所示,在虚拟的桌面10中,传感器由左上角往右下角移动并分别取得连续影像12a~12d。只是,在第二张连续影像12b与第三张连续影像12c之间,传感器突然发生惯性方向的快速移动,所撷取到影像12b、12c,如图2B所示。
在图2B中,影像12c缺少了在影像12b中央的影像特征14b,因此习知影像位移侦测方法将无法在影像12c找到最佳匹配的子区块,也无法找出影像位移向量。
本发明的发明人有鉴于习知影像位移侦测方法,仍有改进之处,因而亟思改良而发明出一种影像位移侦测方法,可以相对的提高约一倍传感器(Sensor)最大追踪速度(Max Tracking Speed)。
发明内容
本发明的主要目的在于提供一种影像位移侦测方法,其主要在影像比对基准区块的选取方式上作了改良,可相对的提高一倍传感器最大追踪速度,以降低传感器发生快速移动时而无法进行影像位移侦测的情形。
为了达成上述目的,本发明提供一种影像位移侦测方法,应用在传感器,包括下列步骤(A)至步骤(D)。步骤(A)是如果前次影像位移向量的X轴位移量大于最大X轴位移量,则将X轴位移量设定为等于最大X轴位移量;以及如果前次影像位移向量的Y轴位移量大于最大Y轴位移量,则将Y轴位移量设定为等于最大Y轴位移量。步骤(B)是利用第一时间影像的中心位置为起点,以前次影像位移向量反方向位移处,决定为M*M影像比对基准区块的中心位置。步骤(C)是对第二时间影像进行搜寻比对,以在第二时间影像中找到与影像比对基准区块相同的子区块。步骤(D)是依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量。藉此,本发明方法可以相对的提高约一倍传感器最大追踪速度(MaxTracking Speed)。
关于本发明的优点与精神可以藉由以下的发明详述及所附图式得到进一步的了解。
附图说明
图1A至图1D为习知影像位移侦测方法的示意图。
图2A至图2B为习知影像位移侦测方法的另一示意图。
图3A、图3B为本发明影像位移侦测方法的流程图。
图4为本发明影像位移侦测方法的示意图。
图5为本发明影像位移侦测方法的另一示意图。
主要组件符号说明
10 桌面
12a~12d 影像
14a~14e 影像特征
具体实施方式
请配合参见图3A与图3B的程序A,同样在图2A~2B所示的状态下,在第一次进行影像位移侦测时,由于一开始并没有前次影像位移向量存在,所以,在第一时间影像12a(即为第一张连续影像12a)的中心取一个正方的区块作为影像比对基准区块,该影像比对基准区块的大小可为M*M。接着,便由第二时间影像12b(即为第二张连续影像12b)的左上角开始,取出一个相同大小的M*M子区块,来与影像比对基准区块进行比对是否匹配(或相同),如果是不匹配(或不相同)的话,接着再向右移动一个像素再取出另一个M*M子区块,再与影像比对基准区块进行比对是否匹配(或相同),如此地在整个完整的第二时间影像12b里由左至右,由上而下,对每个取出的子区块进行MAD或MSE区块运算,以找出最佳匹配(或相同)的子区块,据此而计算获得第一时间影像12a与第二时间影像12b之间的影像位移向量S。所计算获得的影像位移向量S(-x,+y),如图1D所示。
不过,若在第二张连续影像12b与第三张连续影像12c之间,传感器突然发生惯性方向的快速移动时,虽然在影像12c缺少了在影像12b中央的影像特征14b,但是借着本发明影像位移侦测方法,依然能够计算获得第二张连续影像12b与第三张连续影像12c之间的影像位移向量。
图4为本发明影像位移侦测方法的示意图。兹举以第二张连续影像12b与第三张连续影像12c为例,如何利用本发明方法来获得影像12b、12c之间的影像位移向量S,并请配合参见图3A位于左侧的流程方块。在图4中,本发明影像位移侦测方法当检查前次影像位移向量S(-x,+y)(即影像12a、12b之间的影像位移向量S,如图1D所示)时,如果发现X轴位移量x值小于或等于X轴最大位移量,以及同时Y轴位移量y值小于或等于Y轴最大位移量距离的话(也就是:x≤Xmax,y≤Ymax),则以第一时间影像12b(亦即为第二张连续影像12b)的中心位置为起点,以前次影像位移向量S(-x,+y)反方向位移处,亦即在影像12b中虚线键头所标示处,来决定作为M*M影像比对基准区块(其围绕住影像特征14c),虚线键头所标示处的像素也就是该M*M影像比对基准区块的中心位置。在这个范例中,前次影像位移向量S(-x,+y)的X、Y轴位移量分别小于等于X、Y轴最大位移量,因此前次影像位移向量S并未改变其值。
然后,依据该影像比对基准区块,对第二时间影像12c(亦即为第三张连续影像12c)进行MAD或MSE区块运算,最后在第二时间影像12c中找出最佳匹配(或相同)的子区块(其围绕住影像特征14c),据此而计算获得第一时间影像12b与第二时间影像12c之间的影像位移向量S(-2x,+2y)。
图5为本发明影像位移侦测方法的另一示意图。兹举以第三张连续影像12c与第四张连续影像12d为例,如何利用本发明方法来获得影像12c、12d之间的影像位移向量S,并请配合参见图3A位于中央的流程方块。本发明影像位移侦测方法当检查前次影像位移向量S(-2x,+2y)(即影像12b、12c之间的影像位移向量S,如图4所示)时,如果发现X轴位移量2x值大于X轴最大位移量的话,则将X轴位移量设定为等于X轴最大位移量(也就是S(X轴位移量,Y轴位移量),令X轴位移量=Xmax);另一方面,如果发现Y轴位移量2y值大于Y轴最大位移量的话,则将Y轴位移量设定为等于Y轴最大位移量(也就是S(X轴位移量,Y轴位移量),令Y轴位移量=Ymax)。在这个范例中,前次影像位移向量S(-2x,+2y)的X、Y轴位移量皆分别大于X、Y轴最大位移量,因此前次影像位移向量S的原始值已被取代。
然后,以第一时间影像12c(亦即为第三张连续影像12c)的中心位置为起点,以改变其值后的前次影像位移向量S反方向位移处,亦即在影像12c中虚线键头所标示处,来决定作为M*M影像比对基准区块(其围绕住影像特征14e),虚线键头所标示处的像素也就是该M*M影像比对基准区块的中心位置。
然后,依据该影像比对基准区块,对第二时间影像12d(亦即为第四张连续影像12d)进行MAD或MSE区块运算,最后在第二时间影像12d中找出最佳匹配(或相同)的子区块(其围绕住影像特征14e),据此而计算获得第一时间影像12c与第二时间影像12d之间的影像位移向量S(-x,+y)。
基于上述本发明方法,可推算出相对的最大追踪速度=(N-M)×f×L(距离单位/秒),所以,在相同传感器的成本下,透过对传统影像位移侦测方法的改良,本发明方法相对的可增加约一倍传感器最大追踪速度(Max Tracking Speed),此即本发明优点与效益增进所在。
藉由以上较佳具体实施例的详述,是希望能更加清楚描述本发明的特征与精神,而并非以上述所揭露的较佳具体实施例来对本发明的范畴加以限制。相反地,其目的是希望能涵盖各种改变及具相等性的安排于本发明所欲申请的专利范围的范畴内。
Claims (12)
1、一种影像位移侦测方法,包括下列步骤:
(A)撷取一影像;
(B)判断一第一时间影像是否存在,如果为真则将该步骤(A)的影像储存成一第二时间影像,以及跳入步骤(C)继续执行,如果为伪则将该步骤(A)的影像储存成该第一时间影像,然后返回该步骤(A);
(C)判断一前次影像位移向量是否存在,如果为真则跳入步骤(D),如果为伪则执行:
(c1)利用该第一时间影像的中心位置,决定为一M*M影像比对基准区块的中心位置,其中该M>0;
(c2)对该第二时间影像进行搜寻比对,以在该第二时间影像中找到与该影像比对基准区块最匹配或相同的子区块;
(c3)依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量,然后返回该步骤(A);
(D)判断该前次影像位移向量的X轴位移量是否小于等于一最大X轴位移量并且该前次影像位移向量的Y轴位移量是否小于等于一最大Y轴位移量,如果为真则跳入步骤(E1)继续执行,如果为伪则跳入步骤(F1)继续执行;
(E1)利用该第一时间影像的中心位置为起点,以该前次影像位移向量反方向位移处,决定为该M*M影像比对基准区块的中心位置;
(E2)对该第二时间影像进行搜寻比对,以在该第二时间影像中找到与该影像比对基准区块最匹配或相同的子区块;
(E3)依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量,然后返回该步骤(A);
(F1)如果该前次影像位移向量的X轴位移量大于该最大X轴位移量,则将该X轴位移量设定为等于该最大X轴位移量;以及如果该前次影像位移向量的Y轴位移量大于该最大Y轴位移量,则将该Y轴位移量设定为等于该最大Y轴位移量;
(F2)利用该第一时间影像的中心位置为起点,以完成该步骤(F1)的该前次影像位移向量反方向位移处,决定为该M*M影像比对基准区块的中心位置;
(F3)对该第二时间影像进行搜寻比对,以在该第二时间影像中找到与该影像比对基准区块最匹配或相同的子区块;
(F4)依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量,然后返回该步骤(A)。
2、如权利要求1所述的影像位移侦测方法,其特征在于:该M值大小,是依据一传感器而决定。
3、如权利要求1所述的影像位移侦测方法,其特征在于:该最大X轴位移量以及该最大Y轴位移量,是依据一传感器而分别决定其数值大小。
4、如权利要求1所述的影像位移侦测方法,其特征在于:该最大X轴位移量与该最大Y轴位移量,皆储存成(N-M)/2,其中N*N阵列为一传感器的感应矩阵大小,以及其中M小于N。
5、一种影像位移侦测方法,应用一传感器,包括下列步骤:
(A)如果一前次影像位移向量的X轴位移量大于一最大X轴位移量,则将该X轴位移量设定为等于该最大X轴位移量;以及如果该前次影像位移向量的Y轴位移量大于一最大Y轴位移量,则将该Y轴位移量设定为等于该最大Y轴位移量;
(B)利用一第一时间影像的中心位置为起点,以完成该步骤(A)的该前次影像位移向量反方向位移处,决定为一M*M影像比对基准区块的中心位置;
(C)对一第二时间影像进行搜寻比对,以在该第二时间影像中找到与该影像比对基准区块最匹配或相同的子区块;
(D)依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量。
6、如权利要求5所述的影像位移侦测方法,其特征在于:该M值大小,是依据该传感器而决定。
7、如权利要求5所述的影像位移侦测方法,其特征在于:该最大X轴位移量以及该最大Y轴位移量,是依据该传感器而分别决定其数值大小。
8、如权利要求5所述的影像位移侦测方法,其特征在于:该最大X轴位移量与该最大Y轴位移量,皆储存成(N-M)/2,其中N*N阵列为该传感器的感应矩阵大小,以及其中M小于N。
9、一种影像位移侦测方法,应用一传感器,包括下列步骤:
(A)利用一第一时间影像的中心位置为起点,以一前次影像位移向量反方向位移处,决定为一M*M影像比对基准区块的中心位置;
(B)对一第二时间影像进行搜寻比对,以在该第二时间影像中找到与该影像比对基准区块最匹配或相同的子区块;
(C)依据该子区块位于该第二时间影像的位置以及该影像比对基准区块位于该第一时间影像的位置,计算以获得目前影像位移向量。
10、如权利要求9所述的影像位移侦测方法,其特征在于:该M值大小,是依据该传感器而决定。
11、如权利要求9所述的影像位移侦测方法,其特征在于:该最大X轴位移量以及该最大Y轴位移量,是依据该传感器而分别决定其数值大小。
12、如权利要求9所述的影像位移侦测方法,其特征在于:该最大X轴位移量与该最大Y轴位移量,皆储存成(N-M)/2,其中N*N阵列为该传感器的感应矩阵大小,以及其中M小于N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810006321A CN101520699A (zh) | 2008-02-26 | 2008-02-26 | 影像位移侦测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810006321A CN101520699A (zh) | 2008-02-26 | 2008-02-26 | 影像位移侦测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101520699A true CN101520699A (zh) | 2009-09-02 |
Family
ID=41081324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810006321A Pending CN101520699A (zh) | 2008-02-26 | 2008-02-26 | 影像位移侦测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101520699A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914155A (zh) * | 2013-01-09 | 2014-07-09 | 奇高电子股份有限公司 | 光学导航方法以及相关装置 |
CN112325789A (zh) * | 2021-01-04 | 2021-02-05 | 中南大学 | 一种基于图像处理的模型试验中变形和位移测量方法 |
-
2008
- 2008-02-26 CN CN200810006321A patent/CN101520699A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914155A (zh) * | 2013-01-09 | 2014-07-09 | 奇高电子股份有限公司 | 光学导航方法以及相关装置 |
CN112325789A (zh) * | 2021-01-04 | 2021-02-05 | 中南大学 | 一种基于图像处理的模型试验中变形和位移测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521838B (zh) | 一种图像匹配方法及系统 | |
CN101819680B (zh) | 图像匹配点对的检测方法 | |
CN102063618A (zh) | 互动系统中的动态手势识别方法 | |
CN105373799B (zh) | 一种用于模板识别的空间目标isar图像处理方法 | |
WO2007033351A3 (en) | Specifying search criteria for searching video data | |
Fu et al. | Recognition of surface defects on steel sheet using transfer learning | |
CN112509009B (zh) | 一种基于自然语言信息辅助的目标追踪方法 | |
CN110852241B (zh) | 一种应用于护理机器人的小目标检测方法 | |
CN111684462B (zh) | 一种图像匹配方法及视觉系统 | |
CN114581782A (zh) | 一种基于由粗到精检测策略的细微缺陷检测方法 | |
CN101520699A (zh) | 影像位移侦测方法 | |
Nie et al. | Tool wear monitoring based on scSE-ResNet-50-TSCNN model integrating machine vision and force signals | |
CN111709451B (zh) | 酒瓶表面缺陷检测方法、电子装置及存储介质 | |
CN116453062B (zh) | 基于机器人高精度柔顺装配的包装机装配风险监控方法 | |
CN102855473A (zh) | 一种基于相似性度量的图像多目标检测方法 | |
Zhang et al. | PC-IDN: Fast 3D loop closure detection using projection context descriptor and incremental dynamic nodes | |
Zhang et al. | RP-YOLOX-DL: a deep learning hybrid method for parallel robots target positioning | |
Fang et al. | Multi-dimensional Time Series Approximation Using Local Features at Thinned-out Keypoints. | |
Kim et al. | Steam leak detection method in a pipeline using histogram analysis | |
Yuan et al. | Safety Helmet Monitoring System Based on Improved YOLOv5 | |
Ma et al. | MosViT: towards vision transformers for moving object segmentation based on Lidar point cloud | |
Peng et al. | Efficient and high-performance cigarette appearance detection based on YOLOv5 | |
Ye | Industrial defect target detection based on YoloV5 and attention mechanism | |
Zha et al. | Multi-line buffer based pipeline architecture with junction connectivity analysis for high frame rate and ultra-low delay contour-based corner detection | |
Han | [Retracted] Multimedia Motion of Picking Robot Based on Cooperative Relationship of Matching Gradient Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090902 |