CN105260740A - 一种元件识别方法及装置 - Google Patents

一种元件识别方法及装置 Download PDF

Info

Publication number
CN105260740A
CN105260740A CN201510616284.1A CN201510616284A CN105260740A CN 105260740 A CN105260740 A CN 105260740A CN 201510616284 A CN201510616284 A CN 201510616284A CN 105260740 A CN105260740 A CN 105260740A
Authority
CN
China
Prior art keywords
matching
target photo
template
prototype drawing
group
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.)
Granted
Application number
CN201510616284.1A
Other languages
English (en)
Other versions
CN105260740B (zh
Inventor
廖明熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201510616284.1A priority Critical patent/CN105260740B/zh
Publication of CN105260740A publication Critical patent/CN105260740A/zh
Priority to PCT/CN2016/096553 priority patent/WO2017050083A1/zh
Application granted granted Critical
Publication of CN105260740B publication Critical patent/CN105260740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种元件识别方法，包括如下步骤：读取待匹配的目标图片及待识别元件的至少两张模板图；分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值；根据预设的计算规则对所述的至少两组匹配值进行运算，生成一组匹配结果；及将所述的一组匹配结果中的每个匹配结果与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。本发明还公开了一种元件识别装置。本发明公开的元件识别方法及装置，可在目标图片出现污损、缺少或变形时，保证较高的识别准确率。

Description

一种元件识别方法及装置
技术领域
本发明涉及图像识别领域，尤其涉及一种元件识别方法及装置。
背景技术
在图像识别领域，有时会需要在一张包括很多对象的目标图片中寻找感兴趣的目标，例如有时会需要在一个包含很多电子元件的板卡图片上寻找指定的电子元件。
目前的解决办法是直接利用模板匹配算法将感兴趣的目标的模板图与目标图片进行模板匹配，并根据匹配得到的匹配值来获得感兴趣的目标的位置。然而当目标图片上的图形出现污损、缺少或者变形时，这种方法可能出现匹配效率低，匹配值不稳定等情况，无法满足使用要求。
发明内容
针对上述问题，本发明的目的在于提供一种元件识别方法及装置，可在目标图片上的图形出现污损、缺少或者变形时，保持较高的匹配精度和稳定度。
第一方面，提供了一种元件识别方法，包括如下步骤：
读取待匹配的目标图片及待识别元件的至少两张模板图；
分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值；
根据预设的计算规则对所述的至少两组匹配值进行运算，生成一组匹配结果；及
将所述的一组匹配结果中的每个匹配结果与预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
在第一种实现方式中，所述的至少两张模板图包括一张所述待识别元件的整体图片及至少一张所述待识别元件的一个部位的图片；或者，所述的至少两张模板图包括所述待识别元件的至少两个不同部位的图片。
在第二种实现方式中，所述分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值，具体包括：
逐一将每张模板图叠放在所述目标图片上，其中，所述目标图片的尺寸大于所述模板图的尺寸；
根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值；
控制叠放的模板图在所述目标图片上沿预定的方向平移，其中，所述模板图每平移一次生成一个匹配值，当所述的至少两张模板图均遍历所述目标图片的所有区域后，获得对应的至少两组匹配值。
结合第一方面的第二种实现方式，在第三种实现方式中，所述模板匹配算法包括第一类型的模板匹配算法及第二类型的模板匹配算法，其中，
所述第一类型的模板匹配算法为，对所述模板图与所述模板图当前覆盖的目标图片的区域进行模板匹配获得的匹配值与二者的相似程度呈正比的模板匹配算法；
所述第二类型的模板匹配算法为，对所述模板图与所述模板图当前覆盖的目标图片的区域进行模板匹配获得的匹配值与二者的相似程度呈反比的模板匹配算法。
结合第一方面的第三种实现方式，在第四种实现方式中，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法类型均为所述第一类型的模板匹配算法或均为所述第二类型的模板匹配算法，则所述根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果，具体为：
将所述至少两组匹配值中的序号相同的匹配值相乘，获得一组匹配结果。
结合第一方面的第三种实现方式，在第五种实现方式中，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法同时包括第一类型的模板匹配算法及第二类型的模板匹配算法，则所述根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果，具体为：
对于所述至少两组匹配值中的序号相同的匹配值，将根据所述第一类型的模板匹配算法计算得到的匹配值相乘，并除以根据所述第二类型的模板匹配算法计算得到的匹配值，获得一组匹配结果。
结合第一方面的第四种实现方式，在第六种实现方式中，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法均为所述第一类型的模板匹配算法；
则所述将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置，为：
将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果大于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
结合第一方面的第四种实现方式，在第七种实现方式中，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法均为所述第二类型的模板匹配算法；
则所述将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置，为：
将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果小于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
第二方面，提供了一种元件识别装置，包括：
读取单元，用于读取待匹配的目标图片及待识别元件的至少两张模板图；
匹配单元，用于分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值；
运算单元，用于根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果；
识别单元，用于将所述的一组匹配结果中的每个匹配结果与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
在第一种实现方式中，所述匹配单元包括：
叠放单元，用于逐一将每张模板图叠放在所述目标图片上，其中，所述目标图片的尺寸大于所述模板图的尺寸；
匹配值计算单元，用于根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值；
移动单元，用于控制叠放的模板图在所述目标图片上沿预定的方向平移，其中，所述模板图每平移一次后，所述匹配值计算单元生成一个匹配值，当所述的至少两张模板图均遍历所述目标图片的所有区域后，所述匹配值计算单元计算生成对应的至少两组匹配值。
本发明实施例提供的元件识别方法及装置，通过将与待识别元件相关的至少两张模板图分别与所述目标图片进行目标匹配，得到至少两组匹配值，再对所述的至少两组匹配值进行处理后得到一组匹配结果，并根据所述一组匹配结果与一预设的阈值的大小关系，获得所述目标图片上与所述待识别元件匹配的图形的位置，从而完成元件识别。由于使用了多张不同的模板图，可避免使用单张模板图匹配时，因目标图片上的图形出现破损、缺失或变形而引起的无法识别的问题，提高了识别的精确度和稳定度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供元件识别方法的流程图。
图2是本发明实施例提供的至少两张模板图的示意图。
图3是本发明实施例提供的目标图片的示意图。
图4是本发明实施例提供的模板图叠放在目标图片上的示意图。
图5是本发明实施例提供元件识别装置的结构示意图。
图6是图5所示的匹配单元的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种元件识别方法及装置，用于通过将待识别元件的多个模板图与目标图片进行匹配，以从所述目标图片中识别出待识别元件的位置，以下分别进行描述。
请参阅图1，图1是本发明实施例提供的元件识别方法的流程图。所述元件识别方法可由元件识别装置来实施，并包括步骤S101至S104。其中，
S101，读取待匹配的目标图片及待识别元件的至少两张模板图。
在本发明实施例中，所述的待识别元件可为电子元件。在具体应用时，有时需要从一个包含有很多元件的待匹配的目标图片中寻找出所需的待识别元件的位置，此时，可通过将所述待识别元件的模板图与所述目标图片进行模板匹配来进行识别。
在本发明实施例中，为了保证识别的精度和准确度，所述元件识别装置获取待识别元件的至少两张模板图，其中，所述的至少两张模板图可包括一张所述待识别元件的整体图片及至少一张所述待识别元件的一个部位的图片，也可包括所述待识别元件的至少两个不同部位的图片。
如图2所示，在本发明的一个实施例中，所述的至少两张模板图可包括第一模板图10、第二模板图20及第三模板图30，其中，所述第一模板图10为所述待识别元件的整体图片，而所述第二模板图20和第三模板图30则为所述待识别元件的两个不同部位图片。
需要说明的是，在本发明的其他实施例中，所述的至少两张模板图也可仅取所述第一模板图10和所述第二模板图20，或者仅取所述第一模板图10及所述第三模板图30，或者仅取所述第二模板图20及所述第三模板图30。此外，还可将所述待识别元件拆分成更多不同的部位，然后再根据每个拆分的部位形成一个模板图。例如，假设所述待识别元件为一个电容，则可将所述电容的图片分为背景、电容外圈黑色部分、电容外圈有极性部分、电容内圈四个模板图，这些方案均在本发明的保护范围之内。
需要说明的是，在本发明实施例中，在对所述待识别元件进行拆分时，应尽量保证拆分的部位的颜色整体较为一致，避免同一个模板图上出现颜色差异较大的情况，从而影响识别的准确度。
S102，分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值。
在本发明实施例中，所述元件识别装置逐一将上面获得的模板图与所述目标图片进行模板匹配，其中，每张模板图与所述目标图片进行模板匹配都可以获得一组匹配值，因此将所述的至少两张模板图与待匹配的目标图片进行模板匹配后，将获得对应的至少两组匹配值，其中，所述匹配值为一个浮点数。
具体地：
首先，逐一将每张模板图叠放在所述目标图片上，其中，所述目标图片的尺寸大于所述模板图的尺寸。
请一并参阅图3及图4，在本发明实施例中，所述元件识别装置将任一张模板图叠放在所述目标图片40上，其中，所述目标图片的尺寸大于所述模板图的尺寸。
然后，根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值。
在本发明实施例中，以所述第一模板图10叠放所述目标图片40上为例，记所述第一模板图10当前覆盖的目标图片的区域为子图Sij，其中，下标i，j为所述子图左上角在所述目标图片40上的坐标。例如，假设定义所述目标图片40左上角的顶点的坐标为(0，0)，则当所述第一模板图10初始放置在所述目标图片40的左上角的顶点位置时，i＝0，j＝0。
在本发明实施例中，所述元件识别装置可利用模板匹配算法计算所述第一模板图10与当前覆盖的所述子图Sij的匹配值，所述的模板匹配算法可为任意的模板匹配算法，如可基于灰度匹配的模板匹配算法或者基于几何特征的模板匹配算法等，本发明不做具体限定，其中，计算获得的匹配值为一个浮点数。
需要说明的是，在本发明实施例中，所述模板匹配算法可包括第一类型的模板匹配算法及第二类型的模板匹配算法，其中，所述第一类型的模板匹配算法为，对所述模板图及所述目标图片40进行匹配获得的匹配值与所述模板图与所述模板图当前覆盖的目标图片40的区域的相似程度呈正比的模板匹配算法，而所述第二类型模板匹配算法为对所述模板图及所述目标图片40进行匹配获得的匹配值与所述模板图与所述模板图当前覆盖的目标图片40的区域的相似程度呈反比的模板匹配算法。。
最后，控制叠放的模板图在所述目标图片上沿预定的方向平移，其中，所述模板图每平移一次生成一个匹配值，当所述的至少两张模板图均遍历所述目标图片的所有区域后，获得对应的至少两组匹配值
在本发明实施例中，所述元件识别装置控制所述第一模板图10在所述目标图片40上按预定的方向平移，例如，所述第一模板图10可向沿+x方向平移，平移到所述目标图片40的边缘后，再向+y方向平移一次后，再沿-x方向平移，其中，所述第一模板图10每次平移一个像素点的距离，且每次平移后都可计算得到一个匹配值。
在本发明实施例中，所述元件识别装置在所述第一模板图10遍历所述目标图片40的所有区域后，将获得一组匹配值，且较佳地，可将每个匹配值的序号设置为对应的所述子图Sij的下标，如此，可根据所述匹配值的序号获得与这个匹配值对应的目标图片40的坐标。
在本发明实施例中，所述元件识别装置按照同样的方法对其他的模板图进行模板匹配后，即可获得对应的至少两组匹配值。
需要说明的是，在本发明实施例中，在对不同模板图与所述目标图片40进行模板匹配时，其选择使用的模板匹配算法的类型可相同，也可不同，本发明不做具体限定。
S103，根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果。
在本发明实施例中，根据所述模板图与所述目标图片40进行模板匹配选择的模板匹配算法的类型，可预设不同的计算规则。
在第一种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法均为第一类型的模板匹配算法时，则所述元件识别装置将所述的至少两组匹配值中，具有相同序号的匹配值进行相乘，获得一组匹配结果。
例如，所述第一模板图10、第二模板图20及第三模板图30均通过第一类型的模板匹配算法与所述目标图片40进行模板匹配，并分别获得三组匹配值：[0.25,0.27,0.20,0.41,0.68,0.95,0.77,0.43]，[0.35,0.28,0.23,0.46,0.58,0.85,0.67,0.34]，[0.23,0.18,0.26,0.36,0.56,0.89,0.63,0.38]，则将具有相同序号的匹配值(即将三组匹配值第一个匹配值均相乘，得到第一个匹配结果，依次类推)进行相乘，获得所述的一组匹配结果。
在第二种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法均为第二类型的模板匹配算法时，则所述元件识别装置将所述的至少两组匹配值中，具有相同序号的匹配值进行相乘，获得一组匹配结果。
例如，所述第一模板图10、第二模板图20及第三模板图30均通过第二类型的模板匹配算法与所述目标图片40进行模板匹配，并分别获得三组匹配值：[0.85,0.77,0.90,0.51,0.28,0.05,0.17,0.43]，[0.75,0.88,0.63,0.56,0.28,0.11,0.17,0.34]，[0.83,0.88,0.76,0.46,0.36,0.09,0.13,0.28]，则将具有相同序号的匹配值(即将三组匹配值第一个匹配值均相乘，得到第一个匹配结果，依次类推)进行相乘，获得所述的一组匹配结果。
在第三种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法同时包括第一类型的模板匹配算法和第二类型的模板匹配算法时，则对于所述至少两组匹配值中的序号相同的匹配值，所述元件识别装置将根据第一类型的模板匹配算法得到的匹配值相乘，并除以根据第二类型的模板匹配算法得到的匹配值，获得一组匹配结果。
例如，所述第一模板图10及第二模板图20通过第一类型的模板匹配算法与所述目标图片40进行模板匹配，而所述第三模板图30则通过第二类型的模板匹配算法与所述目标图片40进行模板匹配，并分别获得三组匹配值：[0.25,0.27,0.20,0.41,0.68,0.95,0.77,0.43]，[0.35,0.28,0.23,0.46,0.58,0.85,0.67,0.34]，[0.83,0.88,0.76,0.46,0.36,0.09,0.13,0.28]，则将第一组匹配值与第二组匹配值中，序号相同的匹配值进行相乘，并除以第三组匹配值中序号相同的匹配值(如将第一组匹配值的第一个数字乘以第二组匹配值的第一个数字，并除以第三组匹配值的第一个数字，依次类推)，获得所述的一组匹配结果。
当前，上述实施例中，所述的一组匹配值和一组匹配结果也可能是一个矩阵或一个二维数组，这些方案也在本发明的保护范围之内。
S104，将所述的一组匹配结果中的每个匹配结果与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
具体地，针对步骤S103的第一种实现方式及第三种实现方式，所述元件识别装置将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果大于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
在本发明实施例中，针对第一类型的模板匹配算法，当计算得到的匹配值越大，则表明所述模板图与当前覆盖的子图的相似度越高，此时，可通过预设一个阈值，并将所述匹配结果与所述阈值进行比较，当所述匹配结果大于所述阈值时，则表明所述目标图片40上存在与所述模板图匹配的图形，而所述图像的位置可根据所述匹配结果的序号(即下标)得到，从而实现了从所述目标图片40上识别出所述待识别元件的位置。
具体地，针对步骤S103的第二种实现方式，所述元件识别装置将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果小于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
综上所述，本发明实施例提供的元件识别方法，通过将与待识别元件相关的至少两张模板图分别与所述目标图片40进行目标匹配，得到至少两组匹配值，再对所述的至少两组匹配值进行处理后得到一组匹配结果，并根据所述一组匹配结果与一预设的阈值的大小关系，判断所述目标图片40上与所述待识别元件匹配的图形的位置，从而完成元件识别。由于本发明实施例使用了多张模板图，可避免使用单张模板图匹配时，因目标图片40上的图形出现破损、缺失或变形而引起无法识别的问题，提高了识别的精度和稳定度。
请一并参阅图5，图5是本发明实施例提供的元件识别装置的结构示意图。所述元件识别装置可用于执行上述的元件识别方法，所述元件识别装置200包括：
读取单元210，用于读取待匹配的目标图片及待识别元件的至少两张模板图。
在本发明实施例中，为了保证识别的精度和准确度，所述读取单元210获取待识别元件的至少两张模板图，其中，所述的至少两张模板图均不同。例如，所述的至少两张模板图可包括一张所述待识别元件的整体图片及至少一张所述待识别元件的一个部位的图片，也可包括所述待识别元件的至少两个不同部位的图片。
如图2所示，在本发明的一个实施例中，所述的至少两张模板图可包括第一模板图10、第二模板图20及第三模板图30，其中，所述第一模板图10为所述待识别元件的整体图片，而所述第二模板图20和第三模板图30则为所述待识别元件的两个不同部位图片。
需要说明的是，在本发明的其他实施例中，所述的至少两张模板图也可仅取所述第一模板图10和所述第二模板图20，或者仅取所述第一模板图10及所述第三模板图30，或者仅取所述第二模板图20及所述第三模板图30。此外，还可将所述待识别元件拆分成更多不同的部位，然后再根据每个拆分的部位形成一个模板图。例如，假设所述待识别元件为一个电容，则读取单元210可将所述电容的图片分为背景、电容外圈黑色部分、电容外圈有极性部分、电容内圈四个模板图，这些方案均在本发明的保护范围之内。
需要说明的是，在本发明实施例中，在对所述待识别元件进行拆分时，应尽量保证拆分的部位的颜色整体较为一致，避免同一个模板图上出现颜色差异较大的情况，从而影响识别的准确度。
匹配单元220，用于分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值。
请一并参阅图3及图4，在本发明实施例中，所述匹配单元220逐一将上面获得的模板图与所述目标图片40进行模板匹配，其中，每张模板图与所述目标图40进行模板匹配都可以获得一组匹配值，因此将所述的至少两张模板图与待匹配的目标图片40进行模板匹配后，将获得对应的至少两组匹配值，其中，所述匹配值为一个浮点数。
请一并参阅图6，具体地，所述匹配单元220包括叠放单元221、匹配值计算单元222及移动单元223，其中，
所述叠放单元221，用于逐一将每张模板图叠放在所述目标图片40上，其中，所述目标图片40的尺寸大于所述模板图的尺寸。
所述匹配值计算单元222，用于根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值。
在本发明实施例中，以所述第一模板图10叠放所述目标图片40上为例，记所述第一模板图10当前覆盖的目标图片的区域为子图Sij，其中，下标i，j为所述子图左上角在所述目标图片40上的坐标。例如，假设定义所述目标图片40左上角的顶点的坐标为(0，0)，则当所述第一模板图10初始放置在所述目标图片40的左上角的顶点位置时，i＝0，j＝0。
在本发明实施例中，所述匹配值计算单元222可利用模板匹配算法计算所述第一模板图10与当前覆盖的所述子图Sij的匹配值，所述的模板匹配算法可为任意的模板匹配算法，如可基于灰度匹配的模板匹配算法或者基于几何特征的模板匹配算法等，本发明不做具体限定，其中，计算获得的匹配值为一个浮点数。
需要说明的是，在本发明实施例中，所述匹配值计算单元222内设的模板匹配算法可包括第一类型的模板匹配算法及第二类型的模板匹配算法，其中，所述第一类型的模板匹配算法为，对所述模板图及所述目标图片40进行匹配获得的匹配值与所述模板图与所述模板图当前覆盖的目标图片40的区域的相似程度呈正比的模板匹配算法，而所述第二类型模板匹配算法为对所述模板图及所述目标图片40进行匹配获得的匹配值与所述模板图与所述模板图当前覆盖的目标图片40的区域的相似程度呈反比的模板匹配算法。
所述移动单元223，用于控制叠放的模板图在所述目标图片上沿预定的方向平移。
在本发明实施例中，所述移动单元223控制所述第一模板图10在所述目标图片40上按预定的方向平移，例如，所述第一模板图10可向沿+x方向平移，平移到所述目标图片40的边缘后，再向+y方向平移一次后，再沿-x方向平移，其中，每次平移一个像素点的距离，且每次平移后，所述匹配值计算单元222都计算得到一个相应的匹配值。
在本发明实施例中，当所述移动单元223控制所述第一模板图10遍历所述目标图片40的所有区域后，所述匹配值计算单元222将计算获得一组匹配值，且较佳地，可将每个匹配值的序号设置为对应的所述子图Sij的下标，如此，可根据所述匹配值的序号获得与这个匹配值对应的目标图片40的位置。
在本发明实施例中，所述匹配单元220按照同样的方法对其他的模板图与所述目标图片进行模板匹配后，即可获得对应的至少两组匹配值。
需要说明的是，在本发明实施例中，在对不同模板图与所述目标图片40进行模板匹配时，其选择使用的模板匹配算法的类型可相同，也可不同，本发明不做具体限定。
运算单元230，用于根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果。
在本发明实施例中，根据所述匹配单元220在所述模板图与所述目标图片进行模板匹配选择的模板匹配算法的类型，所述运算单元230可预设不同的计算规则。
在第一种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法均为第一类型的模板匹配算法时，则所述运算单元230将所述的至少两组匹配值中，具有相同序号的匹配值进行相乘，获得一组匹配结果。
在第二种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法均为第二类型的模板匹配算法时，则所述运算单元230将所述的至少两组匹配值中，具有相同序号的匹配值进行相乘，获得一组匹配结果。
在第三种实现方式中，当所述的至少两个模板图与所述目标图片40进行匹配选择的模板匹配算法同时包括第一类型的模板匹配算法和第二类型的模板匹配算法时，则对于所述至少两组匹配值中的序号相同的匹配值，所述运算单元230将根据第一类型的模板匹配算法得到的匹配值相乘，并除以根据第二类型的模板匹配算法得到的匹配值，获得一组匹配结果。
识别单元240，用于将所述的一组匹配结果中的每个匹配结果与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
具体地，针对上述的第一种实现方式及第三种实现方式，所述识别单元240将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果大于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片40上的位置。
在本发明实施例中，针对第一类型的模板匹配算法，当计算得到的匹配值越大，则表明所述模板图与当前覆盖的子图Sij的相似度越高，此时，可通过预设一个阈值，并将所述匹配结果与所述阈值进行比较，当所述匹配结果大于所述阈值时，则表明所述目标图片40上存在与所述模板图匹配的图形，而所述图像的位置可根据所述匹配结果的序号(或下标)得到，从而实现了从所述目标图片40上定位出所述待识别元件。
具体地，针对上述的第二种实现方式，所述识别单元240将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果小于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
综上所述，本发明实施例提供的元件识别装置200，通过所述匹配单元220将与待识别元件相关的至少两张模板图分别与所述目标图片40进行目标匹配，得到至少两组匹配值，再通过所述运算单元230对所述的至少两组匹配值进行处理后得到一组匹配结果，所述识别单元根据所述一组匹配结果与一预设的阈值的大小关系，判断所述目标图片40上与所述待识别元件匹配的图形的位置，从而完成元件识别。本发明实施例的元件识别装置200，由于使用了多张模板图，可避免使用单张模板图匹配时，因目标图片40上的图形出现破损、缺失或变形而引起的无法识别的问题，提高了识别的精确度和稳定度。
此外，应当理解的是，本发明实施例提供的元件识别方法及装置，还可应用于任意物品或者图像标识的识别，而不仅限于电子元件或实体物品图像的识别，这些方案均在本发明的保护范围之内，在此不再赘述。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

Claims (10)

1.一种元件识别方法，其特征在于，包括如下步骤：
读取待匹配的目标图片及待识别元件的至少两张模板图；
分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值；
根据预设的计算规则对所述的至少两组匹配值进行运算，生成一组匹配结果；及
将所述的一组匹配结果中的每个匹配结果与预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
2.根据权利要求1所述的元件识别方法，其特征在于，所述的至少两张模板图包括一张所述待识别元件的整体图片及至少一张所述待识别元件的一个部位的图片；或者，所述的至少两张模板图包括所述待识别元件的至少两个不同部位的图片。
3.根据权利要求1所述的元件识别方法，其特征在于，所述分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值，具体包括：
逐一将每张模板图叠放在所述目标图片上，其中，所述目标图片的尺寸大于所述模板图的尺寸；
根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值；
控制叠放的模板图在所述目标图片上沿预定的方向平移，其中，所述模板图每平移一次生成一个匹配值，当所述的至少两张模板图均遍历所述目标图片的所有区域后，获得对应的至少两组匹配值。
4.根据权利要求3所述的元件识别方法，其特征在于，所述模板匹配算法包括第一类型的模板匹配算法及第二类型的模板匹配算法，其中，
所述第一类型的模板匹配算法为，对所述模板图与所述模板图当前覆盖的目标图片的区域进行模板匹配获得的匹配值与二者的相似程度呈正比的模板匹配算法；
所述第二类型的模板匹配算法为，对所述模板图与所述模板图当前覆盖的目标图片的区域进行模板匹配获得的匹配值与二者的相似程度呈反比的模板匹配算法。
5.根据权利要求4所述的元件识别方法，其特征在于，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法类型均为第一类型的模板匹配算法或均为第二类型的模板匹配算法，则所述根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果，具体为：
将所述至少两组匹配值中的序号相同的匹配值相乘，获得一组匹配结果。
6.根据权利要求4所述的元件识别方法，其特征在于，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法同时包括第一类型的模板匹配算法及第二类型的模板匹配算法，则所述根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果，具体为：
对于所述至少两组匹配值中的序号相同的匹配值，将根据所述第一类型的模板匹配算法计算得到的匹配值相乘，并除以根据所述第二类型的模板匹配算法计算得到的匹配值，获得一组匹配结果。
7.根据权利要求5所述的元件识别方法，其特征在于，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法均为所述第一类型的模板匹配算法；
则所述将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置，为：
将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果大于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
8.根据权利要求5所述的元件识别方法，其特征在于，所述的至少两张模板图与所述目标图片进行匹配使用的模板匹配算法均为所述第二类型的模板匹配算法；
则所述将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置，为：
将所述的一组匹配结果中的每个匹配结果分别与一预设的阈值进行比较，并在所述匹配结果小于所述阈值时，根据所述匹配结果的序号识别所述待识别元件在所述目标图片上的位置。
9.一种元件识别装置，其特征在于，包括：
读取单元，用于读取待匹配的目标图片及待识别元件的至少两张模板图；
匹配单元，用于分别将所述的至少两张模板图与待匹配的目标图片进行模板匹配，获得对应的至少两组匹配值；
运算单元，用于根据预设的计算规则对所述的至少两组匹配值进行运算，获得一组匹配结果；
识别单元，用于将所述的一组匹配结果中的每个匹配结果与一预设的阈值进行比较，并根据所述匹配结果与所述阈值的大小关系，识别所述待识别元件在所述目标图片上的位置。
10.根据权利要求9所述的元件识别装置，其特征在于，所述匹配单元包括：
叠放单元，用于逐一将每张模板图叠放在所述目标图片上，其中，所述目标图片的尺寸大于所述模板图的尺寸；
匹配值计算单元，用于根据模板匹配算法计算所述模板图与所述模板图当前覆盖的目标图片的区域的匹配值；
移动单元，用于控制叠放的模板图在所述目标图片上沿预定的方向平移，其中，所述模板图每平移一次后，所述匹配值计算单元生成一个匹配值，当所述的至少两张模板图均遍历所述目标图片的所有区域后，所述匹配值计算单元计算生成对应的至少两组匹配值。
CN201510616284.1A 2015-09-23 2015-09-23 一种元件识别方法及装置 Active CN105260740B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510616284.1A CN105260740B (zh) 2015-09-23 2015-09-23 一种元件识别方法及装置
PCT/CN2016/096553 WO2017050083A1 (zh) 2015-09-23 2016-08-24 一种元件识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510616284.1A CN105260740B (zh) 2015-09-23 2015-09-23 一种元件识别方法及装置

Publications (2)

Publication Number Publication Date
CN105260740A true CN105260740A (zh) 2016-01-20
CN105260740B CN105260740B (zh) 2019-03-29

Family

ID=55100421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510616284.1A Active CN105260740B (zh) 2015-09-23 2015-09-23 一种元件识别方法及装置

Country Status (2)

Country Link
CN (1) CN105260740B (zh)
WO (1) WO2017050083A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204602A (zh) * 2016-07-13 2016-12-07 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106251333A (zh) * 2016-07-13 2016-12-21 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106326887A (zh) * 2016-08-29 2017-01-11 东方网力科技股份有限公司 一种光学字符识别结果的校验方法及装置
CN106503737A (zh) * 2016-10-20 2017-03-15 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
WO2017050083A1 (zh) * 2015-09-23 2017-03-30 广州视源电子科技股份有限公司 一种元件识别方法及装置
CN106845550A (zh) * 2017-01-22 2017-06-13 阿依瓦（北京）技术有限公司 一种基于多模板的图像识别方法
CN109448219A (zh) * 2018-10-25 2019-03-08 深圳怡化电脑股份有限公司 图像匹配方法、装置、票据鉴别仪及计算机可读存储介质
CN113158928A (zh) * 2021-04-27 2021-07-23 浙江云奕科技有限公司 一种基于图像识别的混凝土试块防造假方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408521B (zh) * 2021-07-16 2023-09-05 北京南昊科技股份有限公司 答题图片识别方法、批阅装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365251A (en) * 1992-08-28 1994-11-15 Xerox Corporation Image quality improvement by hierarchical pattern matching with variable size templates
JP2006031392A (ja) * 2004-07-15 2006-02-02 Nippon Telegr & Teleph Corp <Ntt> テンプレート照合装置および方法
CN101142584A (zh) * 2005-02-21 2008-03-12 三菱电机株式会社 面部特征检测的方法
CN101833954A (zh) * 2007-06-14 2010-09-15 华为终端有限公司 一种实现丢包隐藏的方法和装置
CN103281476A (zh) * 2013-04-22 2013-09-04 中山大学 基于电视图像运动目标的自动跟踪方法
CN103337068A (zh) * 2013-06-04 2013-10-02 华中科技大学 空间关系约束的多子区匹配方法
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统
US9129156B2 (en) * 2010-10-28 2015-09-08 Cyclomedia Technology B.V. Method for detecting and recognizing an object in an image, and an apparatus and a computer program therefor

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103824086A (zh) * 2014-03-24 2014-05-28 东方网力科技股份有限公司 一种图像匹配方法及装置
CN105260740B (zh) * 2015-09-23 2019-03-29 广州视源电子科技股份有限公司 一种元件识别方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365251A (en) * 1992-08-28 1994-11-15 Xerox Corporation Image quality improvement by hierarchical pattern matching with variable size templates
JP2006031392A (ja) * 2004-07-15 2006-02-02 Nippon Telegr & Teleph Corp <Ntt> テンプレート照合装置および方法
JP4387889B2 (ja) * 2004-07-15 2009-12-24 日本電信電話株式会社 テンプレート照合装置および方法
CN101142584A (zh) * 2005-02-21 2008-03-12 三菱电机株式会社 面部特征检测的方法
CN101833954A (zh) * 2007-06-14 2010-09-15 华为终端有限公司 一种实现丢包隐藏的方法和装置
US9129156B2 (en) * 2010-10-28 2015-09-08 Cyclomedia Technology B.V. Method for detecting and recognizing an object in an image, and an apparatus and a computer program therefor
CN103281476A (zh) * 2013-04-22 2013-09-04 中山大学 基于电视图像运动目标的自动跟踪方法
CN103337068A (zh) * 2013-06-04 2013-10-02 华中科技大学 空间关系约束的多子区匹配方法
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐剑峰 等: ""基于时域背景预测检测红外图像序列中的小目标"", 《中国图象图形学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017050083A1 (zh) * 2015-09-23 2017-03-30 广州视源电子科技股份有限公司 一种元件识别方法及装置
CN106204602B (zh) * 2016-07-13 2019-02-01 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106251333A (zh) * 2016-07-13 2016-12-21 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106251333B (zh) * 2016-07-13 2019-02-26 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106204602A (zh) * 2016-07-13 2016-12-07 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106326887A (zh) * 2016-08-29 2017-01-11 东方网力科技股份有限公司 一种光学字符识别结果的校验方法及装置
CN106326887B (zh) * 2016-08-29 2019-05-21 东方网力科技股份有限公司 一种光学字符识别结果的校验方法及装置
WO2018072334A1 (zh) * 2016-10-20 2018-04-26 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
CN106503737B (zh) * 2016-10-20 2019-03-05 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
CN106503737A (zh) * 2016-10-20 2017-03-15 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
CN106845550A (zh) * 2017-01-22 2017-06-13 阿依瓦（北京）技术有限公司 一种基于多模板的图像识别方法
CN106845550B (zh) * 2017-01-22 2020-03-17 阿依瓦（北京）技术有限公司 一种基于多模板的图像识别方法
CN109448219A (zh) * 2018-10-25 2019-03-08 深圳怡化电脑股份有限公司 图像匹配方法、装置、票据鉴别仪及计算机可读存储介质
CN113158928A (zh) * 2021-04-27 2021-07-23 浙江云奕科技有限公司 一种基于图像识别的混凝土试块防造假方法
CN113158928B (zh) * 2021-04-27 2023-09-19 浙江云奕科技有限公司 一种基于图像识别的混凝土试块防造假方法

Also Published As

Publication number Publication date
CN105260740B (zh) 2019-03-29
WO2017050083A1 (zh) 2017-03-30

Similar Documents

Publication Publication Date Title
CN105260740A (zh) 一种元件识别方法及装置
Buch et al. Pose estimation using local structure-specific shape and appearance context
Azad et al. Stereo-based 6d object localization for grasping with humanoid robot systems
Gomes et al. Efficient 3D object recognition using foveated point clouds
WO2009021959A1 (en) Method and system for aligning three-dimensional surfaces
WO2015107859A1 (ja) 画像照合装置、画像センサ、処理システム、画像照合方法
CN107067371B (zh) 大幅面皮革图像拼接方法
JP5468824B2 (ja) ３次元における形状の一致を判定する方法および装置
CN104240231A (zh) 基于局部结构二进制模式的多源图像配准
CN111127548A (zh) 抓取位置检测模型训练方法、抓取位置检测方法及装置
CN104881657A (zh) 侧脸识别方法、侧脸构建方法及系统
Zhou et al. Vision-based pose estimation from points with unknown correspondences
JP4649559B2 (ja) ３次元物体認識装置、並びに３次元物体認識プログラム及びこれが記録されたコンピュータ読み取り可能な記録媒体
Redzuwan et al. Affine versus projective transformation for SIFT and RANSAC image matching methods
Richtsfeld et al. Towards scene understanding object segmentation using rgbd-images
CN107480710B (zh) 特征点匹配结果处理方法和装置
Tazir et al. Cluster ICP: Towards sparse to dense registration
JP6016242B2 (ja) 視点推定装置及びその分類器学習方法
KR20210018114A (ko) 교차 도메인 메트릭 학습 시스템 및 방법
CN110634160A (zh) 二维图形中目标三维关键点提取模型构建及姿态识别方法
CN111260723B (zh) 棒材的质心定位方法及终端设备
EP3113077B1 (en) Method for image feature point description
Zhou et al. E3CM: Epipolar-constrained cascade correspondence matching
Fang et al. Self-teaching strategy for learning to recognize novel objects in collaborative robots
Bhuyan et al. Structure‐aware multiple salient region detection and localization for autonomous robotic manipulation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant