CN111445480B - 一种基于新型模板的图像旋转角度和缩放系数测量方法 - Google Patents

一种基于新型模板的图像旋转角度和缩放系数测量方法 Download PDF

Info

Publication number
CN111445480B
CN111445480B CN202010206744.4A CN202010206744A CN111445480B CN 111445480 B CN111445480 B CN 111445480B CN 202010206744 A CN202010206744 A CN 202010206744A CN 111445480 B CN111445480 B CN 111445480B
Authority
CN
China
Prior art keywords
image
template
rotation angle
radius
measuring
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.)
Active
Application number
CN202010206744.4A
Other languages
English (en)
Other versions
CN111445480A (zh
Inventor
王禹林
查文彬
马国财
刘�文
李恒
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.)
Nanjing Yuqiyuan Intelligent Equipment Technology Co ltd
Nanjing University of Science and Technology
Beijing Institute of Electronic System Engineering
Original Assignee
Nanjing Yuqiyuan Intelligent Equipment Technology Co ltd
Nanjing University of Science and Technology
Beijing Institute of Electronic System Engineering
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 Nanjing Yuqiyuan Intelligent Equipment Technology Co ltd, Nanjing University of Science and Technology, Beijing Institute of Electronic System Engineering filed Critical Nanjing Yuqiyuan Intelligent Equipment Technology Co ltd
Priority to CN202010206744.4A priority Critical patent/CN111445480B/zh
Publication of CN111445480A publication Critical patent/CN111445480A/zh
Application granted granted Critical
Publication of CN111445480B publication Critical patent/CN111445480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

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

Abstract

本发明可以对图像旋转角度和缩放系数进行快速准确测量标定，主要应用于图像配准、图像拼接和目标检测等领域。首先对模板上所有像素点进行重新赋值，得到一种半径特征值和圆周特征值分别与半径所在角度和圆周所在位置成线性关系的新型模板，然后利用模板匹配方法确定模板在待测图像中实际位置，再基于图像发生旋转和缩放后该模板的半径特征曲线和圆周特征曲线，实现图像旋转角度和缩放系数的同时测量。相比于现有技术，本发明仅需通过设计的一种新型模板便可同时测量待测图像的旋转角度和缩放系数，解决了其它算法不能测量缩放系数或需要耗费巨大计算资源才能实现旋转角度和缩放系数同时测量的难题，极大提高了算法的实用性。

Description

一种基于新型模板的图像旋转角度和缩放系数测量方法
技术领域
本发明涉及图像处理技术领域，特别是一种基于新型模板的图像旋转角度和缩放系数测量方法。
背景技术
随着工业机器人技术的发展，越来越多的生产加工领域用机器人代替传统的人工操作，如何让机器人识别形状不同、尺寸各异的工件位姿已成为亟待解决的问题。现阶段广泛采用的是基于机器视觉对工件位姿进行测量标定，而标定过程中通过对工件视觉图像的有效处理，进而获得待测工件旋转角度和缩放系数的方法，直接决定了工件位姿视觉标定效率和准确度。
检索现有技术的文献发现，中国发明专利公开号CN110647882A，名称为图像校正方法、装置、设备及存储介质，该专利介绍了一种图像校正方法，该方法能够通过分割模型检测对包含多个文本区域的图像进行倾斜校正，并基于分类模型准确确定图像是否倒置，从而实现对图像的倒置的校正。但该方法所处理的旋转角度也多以大角度为主，如90°、180°和270°等，对于普通的连续的旋转角度的测量难度较大，且该方法不能测量图像的缩放系数。中国发明专利公开号CN108876826A，名称为一种图像匹配方法及系统，该专利介绍了一种图像匹配方法，该方法能够通过对模板图像和待匹配图像进行稀疏傅里叶变换，并根据变换后模板图像和待匹配图像的幅度谱进行对数极坐标变换，最后对对数极坐标变换结果进行相位相关，获得旋转角度和缩放系数后实现模板图像和待匹配图像的精确匹配。中国发明专利公开号CN105760879A，名称为基于傅里叶梅林变换的图像几何匹配方法，该专利介绍了一种图像几何匹配方法，该方法能够用傅里叶梅林变换求得待匹配图像和参考图像间的旋转角度，进而对旋转角度进行矫正后得到初步匹配图像，然后利用两幅图像特征点的关联关系求解得到仿射变换模型，基于该模型对初步匹配图像进行变换，最后用双线性插值法对变换后图像进行插值，得到最终匹配图像。这两种方法都能精确测量待匹配图像与参考图像间的旋转角度和缩放系数，但相关算法复杂度较高，需要耗费巨大的计算资源，导致测量效率较低。
综上所述，现有图像校正、图像匹配等视觉标定相关的图像处理方法需要利用待测图像本身的形状、尺寸等几何信息，以及图像纹理等全局特征信息，，且不能同时测量图像的缩放系数，或需要耗费巨大计算资源才能实现图像旋转角度和缩放系数的同时测量，测量效率和实用性有待提升。
发明内容
本发明的目的在于提供一种基于新型模板的图像旋转角度和缩放系数测量方法，只需利用设计得到的一种新型模板便可实现对任意待测图像的旋转角度和缩放系数进行快速准确测量，耗费计算资源较小，能够有效提高测量效率。
实现本发明目的的技术解决方案为：
一种基于新型模板的图像旋转角度和缩放系数测量方法，包括以下两个阶段：
阶段一，新型模板设计阶段，主要包括以下步骤：
步骤1.1，将尺寸为m×m(单位为像素)的模板上每个像素点的像素值Pv设置为0；
步骤1.2，对模板上所有像素点进行赋值，使其半径特征值
Figure BDA0002421346100000021
和圆周特征值Pc(i)分别与半径所在的角度
Figure BDA0002421346100000022
和圆周所在的位置i成正比，得到一种新型模板。
阶段二，图像旋转角度和缩放系数测量阶段，主要包括以下步骤：
步骤2.1，遍历待测图像，并依次提取与新型模板尺寸相同的待测子图，然后分别提取待测子图和步骤1.2中设计得到的新型模板的圆周特征值Pcd(i)和Pco(i)；
步骤2.2，以步骤2.1中提取的圆周特征值Pcd(i)和Pco(i)为输入，计算待测子图与新型模板的相似度；若该相似度大于设定的阈值，则将待测子图列为候选测量子图，若小于或等于设定的阈值，则将该相似度置为0；
步骤2.3，待测图像遍历完成后，取相似度的最大值；若该值大于设定的阈值，则对应的候选测量子图的坐标即为目标位置，若小于或等于所设阈值，则说明待测图像中无新型模板；步骤2.4，基于步骤2.3中目标位置处候选测量子图的圆周特征曲线Pcs，和步骤1.2中设计得到的新型模板的圆周特征曲线Pco，计算得到待测图像的缩放系数；
步骤2.5，根据步骤2.4中计算得到的缩放系数对目标位置处的候选测量子图进行裁剪，得到包含新型模板的最小区域(ROI，Region of interest)；
步骤2.6，基于步骤2.5中最小区域的半径特征曲线Pra，和步骤1.2中设计得到的新型模板的半径特征曲线Pro，计算得到待测图像的旋转角度。
进一步地，所述步骤1.2中，记以模板中心o为圆心，半径为r(
Figure BDA0002421346100000023
单位为像素，
Figure BDA0002421346100000024
为向上取整符号)的圆周上像素点的个数为nr；以第i个
Figure BDA0002421346100000025
Figure BDA0002421346100000026
圆周圆心的右侧且在水平方向上的第一个像素点为起始点，沿逆时针方向对圆周上nr个像素点依次编号和赋值，记该圆周上第s个像素点的编号为Bi(s)，像素值为Vi(s),对模板上所有像素点的赋值方法为：
Figure BDA0002421346100000031
进一步地，所述圆周上像素点个数nr的计算方法为：
Figure BDA00024213461000000313
Figure BDA00024213461000000314
其中，K为比例系数，
Figure BDA00024213461000000315
为向上取整符号。
进一步地，所述比例系数K，根据经验取值范围为1.1～1.3。
进一步地，所述步骤1.2中，半径特征值
Figure BDA00024213461000000312
是模板上角度为
Figure BDA00024213461000000311
的半径上所有像素点像素值的平均值：
Figure BDA0002421346100000032
以
Figure BDA0002421346100000033
为横坐标，
Figure BDA0002421346100000034
为纵坐标可以绘制得到半径特征曲线；
圆周特征值Pc(i)是模板上第i个圆周上所有像素点像素值的平均值：
Figure BDA0002421346100000035
以
Figure BDA00024213461000000316
为横坐标，Pc(i)为纵坐标可以绘制得到圆周特征曲线。
进一步地，所述步骤2.2中，待测子图与新型模板的相似度计算方法为：
Figure BDA0002421346100000036
进一步地，所述步骤2.2中，设定的阈值过大会导致错误地过滤掉正确的候选测试子图，过小则会丧失筛选功能，因此该阈值区间建议设定为0.9～1。
进一步地，所述步骤2.4中，待测图像的缩小系数和放大系数的计算方法分别为：
Figure BDA0002421346100000037
其中，I0和Is分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值对应点的横坐标，Pov和Psv分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值。
进一步地，所述步骤2.6中，待测图像的旋转角度计算方法为：
Figure BDA0002421346100000038
其中，
Figure BDA0002421346100000039
是半径特征曲线Pra上半径特征值
Figure BDA00024213461000000310
为零的点的横坐标。
进一步地，所述步骤1.1和步骤1.2仅需实施一次，得到新型模板后便可以用于图像的旋转角度和缩放系数测量，当更换待测图像时，无需重新设计模板。
本发明与现有技术相比，其显著优点是：
(1)本发明的新型模板设计方法简单、易操作，且新型模板的特征值与半径和圆周所在位置是线性映射关系，因此当图像发生旋转和缩放时，新型模板的特征曲线的变化规律明显且可测性强，解决了现有基于频域的测量方法需要耗费巨大计算资源的问题，显著提高了测量效率。
(2)通过将本发明的新型模板粘贴于工件上，并直接对工件图像中新型模板旋转和缩放情况的快速测量，便可实现工件位姿的视觉快速标定，解决了其它方法需要利用工件形状、尺寸等几何信息，以及工件纹理等全局特征信息进行标定的局限性，有效提升了实用性和鲁棒性。
附图说明
图1为基于新型模板的图像旋转角度和缩放系数测量流程图。
图2为基于新型模板的图像旋转角度和缩放系数测量结果图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，是本申请第一实施例的基于新型模板的图像旋转角度和缩放系数测量流程图和示意图。本申请第一实施例的基于新型模板的图像旋转角度和缩放系数测量方法包括以下步骤。
S1，设计一种新型模板，具体过程如下。
S1.1，将尺寸为m×m(单位为像素)的模板上每个像素点的像素值Pv设置为0。
S1.2，对模板上所有像素点进行赋值，使其半径特征值
Figure BDA0002421346100000041
和圆周特征值Pc(i)分别与半径所在的角度
Figure BDA0002421346100000042
和圆周所在的位置i成正比。具体赋值过程为：
Figure BDA0002421346100000043
其中，记以模板中心o为圆心，半径为
Figure BDA0002421346100000048
(单位为像素，
Figure BDA0002421346100000049
为向上取整符号)的圆周上像素点的个数为nr；以第i个
Figure BDA00024213461000000410
圆周圆心的右侧且在水平方向上的第一个像素点为起始点，沿逆时针方向对圆周上nr个像素点依次编号和赋值，记该圆周上第s个像素点的编号为Bi(s)，像素值为Vi(s)。
上述圆周上像素点的个数nr的计算方法为：
Figure BDA0002421346100000047
其中，K为比例系数，根据经验取值范围为1.1～1.3，
Figure BDA00024213461000000411
为向上取整符号。
上述半径特征值
Figure BDA0002421346100000044
是模板上角度为
Figure BDA0002421346100000045
的半径上所有像素点像素值的平均值：
Figure BDA0002421346100000046
以
Figure BDA0002421346100000051
为横坐标，
Figure BDA0002421346100000052
为纵坐标可以绘制得到半径特征曲线；
圆周特征值Pc(t)是模板上第i个圆周上所有像素点像素值的平均值：
Figure BDA0002421346100000053
以
Figure BDA0002421346100000059
为横坐标，Pc(i)为纵坐标可以绘制得到圆周特征曲线。
S2，测量图像旋转角度和缩放系数，具体过程如下。
S2.1，遍历待测图像，并依次提取与新型模板尺寸相同的待测子图，然后分别提取待测子图和S1.2中设计得到的新型模板的圆周特征值Pcd(i)和Pco(i)。
S2.2，以S2.1中提取的圆周特征值Pcd(i)和Pco(i)为输入，计算待测子图与新型模板的相似度。若该相似度大于设定的阈值，则将待测子图列为候选测量子图；若小于或等于设定的阈值，则将该相似度置为0。其中相似度计算方法为：
Figure BDA0002421346100000054
S2.3，在步骤S2.2中，设定的阈值过大会导致错误地过滤掉正确的候选测试子图，过小则会丧失筛选功能，因此该阈值区间设定为0.9～1。
S2.4，待测图像遍历完成后，取相似度的最小值。若该值大于设定的阈值，则对应的候选测量子图的坐标即为目标位置；若小于或等于所设阈值，则说明待测图像中无新型模板；
S2.5，基于S2.4中目标位置处候选测量子图的圆周特征曲线Pcs，和S1.2中设计得到的新型模板的圆周特征曲线Pco，计算得到待测图像的缩放系数，具体计算方法为：
Figure BDA0002421346100000055
其中，I0和Is分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值对应点的横坐标，Pov和Psv分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值。
S2.6，根据S2.5中计算得到的缩放系数对目标位置处的候选测量子图进行裁剪，得到包含新型模板的最小区域(ROI，Region of interest)。
S2.7，基于S2.6中最小区域的半径特征曲线Pra，和S1.2中设计得到的新型模板的半径特征曲线Pro，计算得到待测图像的旋转角度，计算方法为：
Figure BDA0002421346100000056
其中，
Figure BDA0002421346100000057
是半径特征曲线Pra上半径特征值
Figure BDA0002421346100000058
为零的点的横坐标。
请参阅图2，是本申请第一实施例的测量结果图。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于，包括以下两个阶段：
阶段一，新型模板设计阶段，主要包括以下步骤：
步骤1.1，将尺寸为m×m的模板上每个像素点的像素值Pv设置为0；
步骤1.2，对模板上所有像素点进行赋值，使其半径特征值
Figure FDA0003756229450000011
和圆周特征值Pc(i)分别与半径所在的角度
Figure FDA0003756229450000012
和圆周所在的位置i成正比，得到一种新型模板；
阶段二，图像旋转角度和缩放系数测量阶段，主要包括以下步骤：
步骤2.1，遍历待测图像，并提取与新型模板尺寸相同的待测子图，然后分别提取待测子图和步骤1.2中设计得到的新型模板的圆周特征值Pcd(i)和Pco(i)；
步骤2.2，以步骤2.1中提取的圆周特征值Pcd(i)和Pco(i)为输入，计算待测子图与新型模板的相似度；若该相似度大于设定的阈值，则将待测子图列为候选测量子图，若小于或等于设定的阈值，则将该相似度置为0；
步骤2.3，待测图像遍历完成后，取相似度的最大值；若该值大于设定的阈值，则对应的候选测量子图的坐标即为目标位置，若小于或等于所设阈值，则说明待测图像中无新型模板；
步骤2.4，基于步骤2.3中目标位置处候选测量子图的圆周特征曲线Pcs，和步骤1.2中设计得到的新型模板的圆周特征曲线Pco，计算得到待测图像的缩放系数；
步骤2.5，根据步骤2.4中计算得到的缩放系数对目标位置处的候选测量子图进行裁剪，得到包含新型模板的最小区域；
步骤2.6，基于步骤2.5中最小区域的半径特征曲线Pra，和步骤1.2中设计得到的新型模板的半径特征曲线Pro，计算得到待测图像的旋转角度；
在步骤1.2中，记以模板中心o为圆心，半径为r的圆周上像素点的个数为nr，
Figure FDA0003756229450000013
r单位为像素，
Figure FDA0003756229450000014
为向上取整符号；以第i个圆周圆心的右侧且在水平方向上的第一个像素点为起始点，沿逆时针方向对圆周上nr个像素点依次编号和赋值，
Figure FDA0003756229450000015
记该圆周上第s个像素点的编号为Bi(s)，像素值为Vi(s)，对模板上所有像素点的赋值方法为：
Figure FDA0003756229450000016
半径为r的圆周上像素点个数nr的计算方法为：
Figure FDA0003756229450000017
其中，K为比例系数，
Figure FDA0003756229450000018
为向上取整符号。
2.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：所述比例系数K，取值范围为1.1～1.3。
3.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：在步骤1.2中，半径特征值
Figure FDA0003756229450000021
是模板上角度为
Figure FDA0003756229450000022
的半径上所有像素点像素值的平均值，
Figure FDA0003756229450000023
以
Figure FDA0003756229450000024
为横坐标，
Figure FDA0003756229450000025
为纵坐标可以绘制得到半径特征曲线，
Figure FDA0003756229450000026
圆周特征值Pc(i)是模板上第i个圆周上所有像素点像素值的平均值，
Figure FDA0003756229450000027
以i为横坐标，Pc(i)为纵坐标可以绘制得到圆周特征曲线，
Figure FDA0003756229450000028
4.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：在步骤2.2中，待测子图与新型模板的相似度计算方法为：
Figure FDA0003756229450000029
5.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：在步骤2.2中，设定的阈值区间为0.9～1。
6.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：在步骤2.4中，待测图像的缩小系数和放大系数的计算方法分别为：
Figure FDA00037562294500000210
其中，I0和Is分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值对应点的横坐标；Pov和Psv分别表示圆周特征曲线Pco和圆周特征曲线Pcs上最大的圆周特征值。
7.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：在步骤2.6中，待测图像的旋转角度计算方法为：
Figure FDA00037562294500000211
其中，
Figure FDA00037562294500000212
是半径特征曲线Pra上半径特征值
Figure FDA00037562294500000213
为零的点的横坐标。
8.根据权利要求1所述的一种基于新型模板的图像旋转角度和缩放系数测量方法，其特征在于：步骤1.1和步骤1.2仅需实施一次，得到新型模板后便可以用于图像的旋转角度和缩放系数测量，当更换待测图像时，无需重新设计模板。
CN202010206744.4A 2020-03-23 2020-03-23 一种基于新型模板的图像旋转角度和缩放系数测量方法 Active CN111445480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010206744.4A CN111445480B (zh) 2020-03-23 2020-03-23 一种基于新型模板的图像旋转角度和缩放系数测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010206744.4A CN111445480B (zh) 2020-03-23 2020-03-23 一种基于新型模板的图像旋转角度和缩放系数测量方法

Publications (2)

Publication Number Publication Date
CN111445480A CN111445480A (zh) 2020-07-24
CN111445480B true CN111445480B (zh) 2022-09-09

Family

ID=71654252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010206744.4A Active CN111445480B (zh) 2020-03-23 2020-03-23 一种基于新型模板的图像旋转角度和缩放系数测量方法

Country Status (1)

Country Link
CN (1) CN111445480B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801865B (zh) * 2021-03-22 2021-08-06 深圳棱镜空间智能科技有限公司 旋转不变的模板图像生成方法、装置、设备及存储介质
CN116309079B (zh) * 2023-05-10 2023-08-04 南京凯视迈科技有限公司 一种动态图像采集拼接优化系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516322B (zh) * 2017-08-11 2020-08-18 浙江大学 一种基于对数极空间的图像物体大小和旋转估计计算方法
CN110136160B (zh) * 2019-05-13 2023-03-24 南京大学 一种基于圆投影的快速图像匹配方法

Also Published As

Publication number Publication date
CN111445480A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
WO2016101643A1 (zh) 一种仪表数据读取方法及系统
CN102034101B (zh) 一种pcb视觉检测中快速圆形标志定位方法
US10147015B2 (en) Image processing device, image processing method, and computer-readable recording medium
CN109348731B (zh) 一种图像匹配的方法及装置
CN110706293B (zh) 基于surf特征匹配的电子元器件定位和检测方法
CN111445480B (zh) 一种基于新型模板的图像旋转角度和缩放系数测量方法
Yuan et al. Power histogram for circle detection on images
CN110766095A (zh) 基于图像灰度特征的缺陷检测方法
CN106296587B (zh) 轮胎模具图像的拼接方法
CN114627080B (zh) 基于计算机视觉的车辆冲压配件缺陷检测方法
Masood et al. Corner detection by sliding rectangles along planar curves
CN106295710B (zh) 基于非几何约束的图像局部特征匹配方法、装置及终端
CN111222507A (zh) 数字式仪表读数的自动识别方法、计算机可读存储介质
Lauridsen et al. Reading circular analogue gauges using digital image processing
Zhang et al. A new algorithm for accurate and automatic chessboard corner detection
CN107808165B (zh) 一种基于susan角点检测的红外图像匹配方法
CN109191489B (zh) 一种飞行器着陆标志的检测跟踪方法与系统
CN115760860A (zh) 一种基于dxf文件导入的多类型工件尺寸视觉测量方法
CN110222688B (zh) 一种基于多层次相关滤波的仪表定位方法
Li et al. Unmanned aerial vehicle image matching based on improved RANSAC algorithm and SURF algorithm
CN114170202A (zh) 基于面阵结构光3d视觉的焊缝分割与铣削判别方法及装置
CN109215068B (zh) 图像放大率测量方法及装置
JP2019133702A (ja) テンプレートマッチング装置、方法、及びプログラム
Rao et al. A real-time auto-recognition method for pointer-meter under uneven illumination
Chang et al. The shape of patterns tells more: Using two dimensional Hough transform to detect circles

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
GR01 Patent grant
GR01 Patent grant