CN107895163A - 特征匹配方法 - Google Patents

特征匹配方法 Download PDF

Info

Publication number
CN107895163A
CN107895163A CN201711086604.2A CN201711086604A CN107895163A CN 107895163 A CN107895163 A CN 107895163A CN 201711086604 A CN201711086604 A CN 201711086604A CN 107895163 A CN107895163 A CN 107895163A
Authority
CN
China
Prior art keywords
initial pictures
mrow
gray value
carried out
sub
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
Application number
CN201711086604.2A
Other languages
English (en)
Inventor
司书哲
胥洁浩
谭德波
陈燕芹
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.)
Goertek Inc
Original Assignee
Goertek Inc
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 Goertek Inc filed Critical Goertek Inc
Priority to CN201711086604.2A priority Critical patent/CN107895163A/zh
Publication of CN107895163A publication Critical patent/CN107895163A/zh
Pending legal-status Critical Current

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
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids

Abstract

本发明提供一种特征匹配方法，包括对待处理图像进行灰度化处理形成初始图像，并确定初始图像的平均灰度值；对初始图像进行分块处理，并确定各个子块的平均灰度值；根据每个子块的平均灰度值减去初始图像的平均灰度值，确定各子块的亮度差值，并形成与各子块对应的亮度差值矩阵；对亮度差值矩阵进行插值处理，形成与待处理图像大小相同的补偿矩阵；根据初始图像与补偿矩阵之间的差值，确定灰度校正图像；对灰度校正图像进行特征匹配。利用上述发明能够对待处理图像进行亮度均匀性补偿，提高图像特征匹配的精度与质量。

Description

特征匹配方法
技术领域
本发明涉及光学技术领域，更为具体地，涉及一种特征匹配方法。
背景技术
SIFT，即尺度不变特征变换(Scale-invariant feature transform，SIFT)，作为图像处理领域的一种描述，是检测图像中具有唯一性、对图像平移、旋转、缩放、甚至仿射变换(如从不同角度拍摄图片)保持不变性的图像局部特征处理的一种有效方法。
其中，SIFT已经广泛应用到图像匹配处理中，如目标检测与识别，或者计算图像间的几何变换等。但是，现有的图像特征匹配受光照变换影响较大，如果直接对两幅图像进行SIPF匹配，容易导致严重的匹配误差现象。
发明内容
鉴于上述问题，本发明的目的是提供一种特征匹配方法，以解决现有图像特征匹配容易出现匹配误差、影响图像特征匹配质量等问题。
本发明提供的特征匹配方法，包括对待处理图像进行灰度化处理形成初始图像，并确定初始图像的平均灰度值；对初始图像进行分块处理，并确定各个子块的平均灰度值；根据每个子块的平均灰度值减去初始图像的平均灰度值，确定各子块的亮度差值，并形成与各子块对应的亮度差值矩阵；对亮度差值矩阵进行插值处理，形成与待处理图像大小相同的补偿矩阵；根据初始图像与补偿矩阵之间的差值，确定灰度校正图像；对灰度校正图像进行特征匹配。
此外，优选的方案是，采用如下公式对待处理图像进行灰度化处理形成初始图像：
I＝0.3*R+0.59*G+0.11*B
其中，I表示初始图像，R表示待处理图像的红色通道，G表示待处理图像的绿色通道，B表示待处理图像的蓝色通道。
此外，优选的方案是，采用如下公式确定初始图像的平均灰度值：
其中，average表示初始图像的平均灰度值，m表示初始图像的宽度，n表示初始图像的长度，i和j表示初始图像的像素坐标，I(i，j)表示像素坐标为(i，j)下的初始图像灰度值。
利用上述特征匹配方法，能够改善特征匹配过程受光照变换的影响，避免误匹配情况的发生，从而确保图像特征匹配的质量及效果。
为了实现上述以及相关目的，本发明的一个或多个方面包括后面将详细说明的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而，这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外，本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：
图1为根据本发明实施例的特征匹配方法的流程图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。
为详细描述本发明的特征匹配方法，以下将结合附图对本发明的具体实施例进行详细描述。
图1示出了根据本发明实施例的特征匹配方法的流程。
如图1所示，本发明实施例的特征匹配方法，包括以下所示步骤：
S110：对待处理图像进行灰度化处理形成初始图像，并确定初始图像的平均灰度值。
其中，采用如下公式对待处理图像进行灰度化处理形成初始图像：
I＝0.3*R+0.59*G+0.11*B
其中，I表示对待处理图像进行灰度化处理的初始图像，R表示待处理图像的红色通道，G表示待处理图像的绿色通道，B表示待处理图像的蓝色通道。
其中，采用如下公式确定初始图像的平均灰度值：
其中，average表示初始图像的平均灰度值，m表示初始图像的宽度，n表示初始图像的长度，i和j表示初始图像的像素坐标，I(i，j)表示像素坐标为(i，j)下的初始图像灰度值。
S120：对初始图像进行分块处理，并确定各个子块的平均灰度值。
S130：根据每个子块的平均灰度值减去初始图像的平均灰度值，确定各子块的亮度差值，并形成与各子块对应的亮度差值矩阵。
例如，将初始图像分为M*N块，并将确定后的各个子块的平均灰度值存入对应的矩阵S(i，j)，则与各子块对应的亮度差值矩阵D(i，j)表示为：
D(i,j)＝S(i,j)-average
其中，average表示初始图像的平均灰度值，i和j表示对应图像或者矩阵的像素坐标。
S140：对亮度差值矩阵进行插值处理，形成与待处理图像大小相同的补偿矩阵。
S150：根据初始图像与补偿矩阵之间的差值，确定灰度校正图像。
其中，灰度校正图像PreImg＝I-C；PreImg表示灰度校正图像，I表示初始图像，C表示补偿矩阵。
S160：对灰度校正图像进行特征匹配。
通过上述描述可知，本发明提供的特征匹配方法，将待处理图像或者待匹配的图像经上述各步骤处理后，形成灰度校正图像，利用灰度校正图像进行特征匹配，能够有效减低图像特征匹配受光照变换的影响，从而降低图像特征匹配误差，提高图像特征匹配质量。
如上参照附图以示例的方式描述根据本发明的特征匹配方法。但是，本领域技术人员应当理解，对于上述本发明所提出的特征匹配方法，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (3)

1.一种特征匹配方法，其特征在于，包括：
对待处理图像进行灰度化处理形成初始图像，并确定所述初始图像的平均灰度值；
对所述初始图像进行分块处理，并确定各个子块的平均灰度值；
根据每个子块的平均灰度值减去所述初始图像的平均灰度值，确定各子块的亮度差值，并形成与各子块对应的亮度差值矩阵；
对所述亮度差值矩阵进行插值处理，形成与所述待处理图像大小相同的补偿矩阵；
根据所述初始图像与所述补偿矩阵之间的差值，确定灰度校正图像；
对所述灰度校正图像进行特征匹配。
2.如权利要求1所述的特征匹配方法，其特征在于，采用如下公式对待处理图像进行灰度化处理形成初始图像：
I＝0.3*R+0.59*G+0.11*B
其中，I表示初始图像，R表示所述待处理图像的红色通道，G表示所述待处理图像的绿色通道，B表示所述待处理图像的蓝色通道。
3.如权利要求1所述的特征匹配方法，其特征在于，采用如下公式确定所述初始图像的平均灰度值：
<mrow> <mi>a</mi> <mi>v</mi> <mi>e</mi> <mi>r</mi> <mi>a</mi> <mi>g</mi> <mi>e</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mo>*</mo> <mi>n</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mn>0</mn> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mn>0</mn> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
其中，average表示所述初始图像的平均灰度值，m表示所述初始图像的宽度，n表示所述初始图像的长度，i和j表示所述初始图像的像素坐标，I(i，j)表示所述像素坐标为(i，j)下的初始图像灰度值。
CN201711086604.2A 2017-11-07 2017-11-07 特征匹配方法 Pending CN107895163A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711086604.2A CN107895163A (zh) 2017-11-07 2017-11-07 特征匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711086604.2A CN107895163A (zh) 2017-11-07 2017-11-07 特征匹配方法

Publications (1)

Publication Number Publication Date
CN107895163A true CN107895163A (zh) 2018-04-10

Family

ID=61804208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711086604.2A Pending CN107895163A (zh) 2017-11-07 2017-11-07 特征匹配方法

Country Status (1)

Country Link
CN (1) CN107895163A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886921A (zh) * 2019-01-16 2019-06-14 新而锐电子科技(上海)有限公司 基于数字图像的裂纹尺寸度量方法、装置和电子设备
CN110064602A (zh) * 2019-05-14 2019-07-30 河南大学 一种有膜和无膜废弃纸箱自动分拣系统及分拣方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226631A (zh) * 2007-12-12 2008-07-23 华为技术有限公司 一种超分辨率图像重构方法和装置
JP2013178719A (ja) * 2012-02-29 2013-09-09 Mitsubishi Electric Corp 画像処理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226631A (zh) * 2007-12-12 2008-07-23 华为技术有限公司 一种超分辨率图像重构方法和装置
JP2013178719A (ja) * 2012-02-29 2013-09-09 Mitsubishi Electric Corp 画像処理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李良旭等: "一种光照不均文本图像的校正算法", 《电脑与信息技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886921A (zh) * 2019-01-16 2019-06-14 新而锐电子科技(上海)有限公司 基于数字图像的裂纹尺寸度量方法、装置和电子设备
CN110064602A (zh) * 2019-05-14 2019-07-30 河南大学 一种有膜和无膜废弃纸箱自动分拣系统及分拣方法

Similar Documents

Publication Publication Date Title
Tai et al. Nonlinear camera response functions and image deblurring: Theoretical analysis and practice
US9241147B2 (en) External depth map transformation method for conversion of two-dimensional images to stereoscopic images
CN104182949B (zh) 基于直方图特征点配准的影像匀色与融合方法及系统
CN105069756B (zh) 图像增强方法
GB2596947A (en) Optimizing detection of images in relation to targets based on colorspace transformation techniques
CN111429370B (zh) 一种煤矿井下的图像增强方法、系统及计算机存储介质
CN109801233B (zh) 一种适用于真彩色遥感图像的增强方法
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
Kim et al. A content-aware image stitching algorithm for mobile multimedia devices
US9449375B2 (en) Image processing apparatus, image processing method, program, and recording medium
CN107895163A (zh) 特征匹配方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN113923431A (zh) 基于高清视频的实时抠像方法、装置、设备及存储介质
CN107864365B (zh) 一种消除图像紫边的方法
CN107256539B (zh) 一种基于局部对比度的图像锐化方法
CN104063875B (zh) 增强视频图像光滑度及清晰度的超分辨率重构方法
US10796442B2 (en) Two-dimensional image depth of field generation method and device
CN107886101A (zh) 一种基于rgb‑d的场景三维特征点高效提取方法
CA2879462A1 (en) Compensation for color variation in emissive devices
CN102903091B (zh) 用于在数字图像处理设备中拼接图像的方法
CN110910457B (zh) 基于角点特征的多光谱立体相机外参计算方法
CN108307245B (zh) 一种基于背景感知技术的字幕字体颜色获取方法、显示器
CN110545414A (zh) 一种图像锐化方法
CN105303515B (zh) 一种针对密闭实验箱中特殊光照条件下的色偏校正方法
CN116092423A (zh) 一种显示面板色彩校正方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180410