CN112070084B - 重复图像单元的位置确定方法和装置 - Google Patents
重复图像单元的位置确定方法和装置 Download PDFInfo
- Publication number
- CN112070084B CN112070084B CN202010924380.3A CN202010924380A CN112070084B CN 112070084 B CN112070084 B CN 112070084B CN 202010924380 A CN202010924380 A CN 202010924380A CN 112070084 B CN112070084 B CN 112070084B
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- template
- unit
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013450 outlier detection Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了重复图像单元的位置确定方法和装置,涉及图像处理技术领域。该方法的一具体实施方式包括:在具有多个重复图像单元的图像中选取至少一个匹配模板;针对每个匹配模板,确定该匹配模板四周的搜索区域;针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。该实施方式提升了图像单元定位的准确性。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及计算机视觉技术领域,尤其涉及一种重复图像单元的位置确定方法、装置、电子设备以及计算机可读介质。
背景技术
在计算机视觉任务的某些应用场景中,需要处理的图像均为图一型号、不同样本的数据。这类样本图像中的零件或纹理基本上相同,只是存在一定的平移和旋转等刚性变换,当数据矫正后,可以精确定位到需要关注的区域,减少不必要的计算量,同时可以针对不同部位采用不同的算法进行处理,降低算法的复杂度。
发明内容
本申请提供了一种重复图像单元的位置确定方法、装置、电子设备以及计算机可读介质。
根据第一方面,提供了一种重复图像单元的位置确定方法,上述方法包括:在具有多个重复图像单元的图像中选取至少一个匹配模板;针对每个匹配模板,确定该匹配模板四周的搜索区域;针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。
根据第二方面,提供了一种重复图像单元的位置确定装置,该装置包括:选取单元,被配置成在具有多个重复图像单元的图像中选取至少一个匹配模板;确定单元,被配置成针对每个匹配模板,确定该匹配模板四周的搜索区域;得到单元,被配置成针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;偏移单元,被配置成基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。
根据第三方面,提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。
本申请的实施例提供的重复图像单元的位置确定方法和装置,首先在具有多个重复图像单元的图像中选取至少一个匹配模板;其次,针对每个匹配模板,确定该匹配模板四周的搜索区域;然后,针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;最后,基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。由此,在图像上选取至少一个匹配模板,可以有效减少光照、样本色差对匹配结果的影响。通过逐次选取并匹配的多个搜索区域中的边缘模板,可以确定有效各个搜索区域中的重复图像单元,以及各个重复图像单元中是否偏移,增加了具有多个重复图像单元的图像中重复图像单元定位的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请重复图像单元的位置确定方法的一个实施例的流程图;
图2是本申请中具有多个重复图像单元的图像的一种示例性结构图;
图3是本申请中重复图像单元与匹配模板之间的位置关系的示意图;
图4是根据本申请重复图像单元的位置确定方法的另一个实施例的流程图;
图5是本申请中平铺所有区域模板的轮廓的一种结构示意图;
图6是根据本申请得到至少一个边缘模板的方法的流程图;
图7是根据本申请重复图像单元的位置确定装置的实施例的结构示意图;
图8是用来实现本申请实施例的重复图像单元的位置确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了根据本申请重复图像单元的位置确定方法的一个实施例的流程100。上述重复图像单元的位置确定方法包括以下步骤:
步骤101,在具有多个重复图像单元的图像中选取至少一个匹配模板。
本实施例中,重复图像单元为图像中的重复的图像结构,这种图像结构在纺织、电子元器件等工业场景中较常见,如图2所示,图像1中具有多个重复图像单元11,多个重复图像单元11呈阵列排布。进一步地,图2中的图像1可以为标准图像,标准图像中具有多个标准图像单元,标准图像为良品图像。
本实施例中,匹配模板为在图像中选取的一个图像区域,该图像区域可以为在图像中的一个重复图像单元。可选地,可以根据图像清晰度选取匹配模板,比如,可以在多个重复图像单元11中选取一个最清晰的重复图像单元11作为匹配模板,或者选取清晰度排名设定位的重复图像单元11作为至少一个匹配模板。
在本实施例的一些可选实现方式中,在具有多个重复图像单元的图像中选取至少一个匹配模板,包括:在具有多个重复图像单元的图像中选取至少一个匹配点;以各匹配点为中心,在图像上选取规格与标准图像单元相同的匹配模板。
本可选实现方式中,在待匹配的图像上,可以随机选取N(N>1)个点,作为匹配点,以防某个位置存在缺陷,导致匹配失败。然后以匹配点为中心,选取宽为wt和高为ht的区域作为匹配模板,其中,wt和ht可以为标准图像单元的宽和高。可选地,还可以选择宽大于0.7wt和高为ht的区域作为匹配。
标准图像单元是预设的、与重复图像单元内容相同的单元,标准图像单元是从标准图像(与具有多个重复图像单元的图像内容相同的图像)中选取出来的单元,标准图像单元为良品图像。
本可选实现方式,通过选取的至少一个匹配点,得到与标准图像单元规格相同的匹配模板,可以有效防止模板匹配过程中的不可靠,提高匹配模板的匹配效率。
步骤102,针对每个匹配模板,确定该匹配模板四周的搜索区域。
本实施例中,每个匹配模板的形状基于重复图像单元形状而设置,比如,其形状可以是长方形或正方形,而该匹配模板四周的搜索区域是指在该匹配模板的上下左右四个方向设置的区域。
步骤103,针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像。
本实施例中,针对由匹配点确定的匹配模板,可以向匹配模板的上下左右四个方向确定搜索区域,将每个搜索区域中图像与匹配模板做相似度计算,即采用匹配模板进行模板匹配,可以有效地减少光照、样本色差对匹配结果的影响。
针对匹配模板上下左右搜索区域的选择,如图3所示,假设已知所有重复图像单元可能出现的最大旋转角度为[-θ,θ],那么在上下左右四个方向搜索时,在水平或垂直方向,与匹配模板2最近的搜索区域3一定与匹配模板2相邻或者相交(θ=0时相邻,θ>0时相交)。假设匹配中心点坐标为(cx,cy),那么水平方向最临近的搜索区域3的中心为(cx±α*wt,cy-γ*wt),宽高分为别为wt+Δw,ht+Δh。垂直方向最临近的搜索区域3的中心为(cx-γ*ht,cy±α*ht),宽高分为别为wt+Δw,ht+Δh。其中,α∈[0.5,1.2],γ∈[0,0.5],Δw∈[0.1*wt,1.0*wt],Δh∈[0.1*ht,1.0*ht]。需要说明的是,本实施例中,α、γ、Δw、Δh的取值均为经验值,超出当前的取值范围匹配效果会降低,甚至无法匹配。
可选地,可以通过匹配模板连续匹配Q(Q>1)个搜索区域中的图像,针对每个匹配成功(匹配模板与搜索区域中的图像的相似度大于预设的相似度阈值,比如,相似度阈值为80%),则计算匹配模板与当前搜索区域中的图像的中心连线的旋转角度,以匹配成功后的区域作为边缘模板继续向边缘模板远离匹配模板的一侧进行匹配,如果匹配失败则终止当前方向的搜索。这样可以在四个方向上会得到P(P>1)个边缘模板以及P个旋转角度,根据离群点算法剔除离群旋转角度后,计算所有旋转角度的均值,可以得到图像的旋转角度。
步骤104,基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。
本实施例中,可以根据各个匹配模板以及各个匹配模板对应的边缘模板之间的位置确定重复图像单元的位置是否偏移。
可选地,上述根据各个匹配模板以及各个匹配模板对应的边缘模板之间的位置确定重复图像单元的位置是否偏移,可以包括:获取每个匹配模板以及该匹配模板对应的所有的边缘模板的中心坐标,将该匹配模板的中心坐标以及该匹配模板对应的所有的边缘模板的中心坐标输入已训练的图像偏移模型,获得图像偏移模型输出的重复图像单元的位置是否偏移的结果。本实施例中,图像偏移模型用于检测重复图像单元是否偏移,其是预先训练好的模型,并且可以采用诸如卷积神经网络等模型结构构建。在训练图像偏移模型时,首先收集多个匹配模板的中心坐标以及每个匹配模板对应的所有的边缘模板的中心坐标作为训练样本,确定匹配模板的中心坐标以及边缘模板的中心坐标对应的重复图像单元偏移结果,根据图像偏移模型对训练样本的重复图像单元偏移结果与训练样本对应的预设的重复图像单元偏移结果之间的差异确定图像偏移模型的误差,利用误差反向传播的方式迭代调整图像偏移模型的参数,使其误差逐步缩小。在图像偏移模型的误差收敛至一定的范围内或迭代的次数达到预设的次数阈值时可以停止调整参数,得到训练完成的图像偏移模型。
在本实施例的一些可选实现方式中,基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移,包括:
针对各个匹配点,将该匹配点与该匹配点对应的水平方向或垂直方向的边缘模板的中心相连得到水平连线或垂直连线;基于水平连线或垂直连线,确定该匹配点对应的旋转角度;去除所有匹配点的旋转角度中的离群的旋转角度;计算去除后剩余的所有旋转角度的均值,得到重复图像单元的旋转角度;响应于确定重复图像单元的旋转角度等于零,确定重复图像单元的位置未偏移;响应于确定重复图像单元的旋转角度大于零,确定重复图像单元的位置已偏移。
本可选实现方式中,可以采用采用离群点检测算法去除所有匹配点的旋转角度中的离群的旋转角度。其中,离群点检测算法(Local Outlier Factor,LOF),全称又叫局部异常因子,是一种基于距离的异常点检测算法。
本可选实现方式提供的确定重复图像单元的位置是否偏移的方法,通过匹配点与该匹配点对应的水平方向或垂直方向的边缘模板的中心相连得到水平连线或垂直连线,得到旋转角度,根据旋转角度确定重复图像单元的位置是否偏移,保证了重复图像单元的位置确定的准确性。
在本实施例的一些可选实现方式中,在确定重复图像单元的位置已偏移之后,基于重复图像单元的旋转角度,旋转图像,以使图像中各个重复图像单元位于标准位置。
本可选实现方式中,标准位置为图像未有任何旋转的正确位置,具体地,标准位置可以为标准图像的位置。
本可选实现方式提供的旋转图像的方法,基于重复图像单元的旋转角度,旋转图像,可以使图像中各个重复图像单元简捷、快速地达到标准位置。
本申请的实施例提供的重复图像单元的位置确定方法,首先在具有多个重复图像单元的图像中选取至少一个匹配模板;其次,针对每个匹配模板,确定该匹配模板四周的搜索区域;然后,针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;最后,基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。由此,在图像上选取至少一个匹配模板,可以有效减少光照、样本色差对匹配结果的影响。通过逐次选取并匹配的多个搜索区域中的边缘模板,可以确定各个搜索区域中的重复图像单元,可以有效确定重复图像单元中是否偏移,增加了具有多个重复图像单元的图像中重复图像单元定位的准确性。
图4示出了根据本申请重复图像单元的位置确定方法的另一个实施例的流程400。上述重复图像单元的位置确定方法包括以下步骤:
步骤401,在具有多个重复图像单元的图像中选取至少一个匹配模板。
步骤402,针对每个匹配模板,确定该匹配模板四周的搜索区域。
步骤403,针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像。
步骤404,基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。
应当理解,上述步骤201-步骤204中的操作和特征,分别与步骤101-104中的操作和特征相对应,因此,上述在步骤101-104中对于操作和特征的描述,同样适用于步骤201-步骤204,在此不再赘述。
步骤405,响应于确定重复图像单元的位置未偏移,在图像上选取至少一个匹配区域。
本实施例中,在确定重复图像单元的位置未偏移之后,可以在图像上随机选取M(M>1)个匹配区域,每个匹配区域大小为[β*wt,β*ht](β∈[1.2,2.0]),需要说明的是,β的取值为经验值,而在β∈[1.2,2.0]的取值范围内,可以得到较好的匹配效果。
步骤406,选取所有匹配区域中与标准图像单元匹配度最高的图像区域作为区域模板。
本实施例中,区域模板用于实现轮廓提取,通过区域模板的轮廓可以实现对每个重复图像单元加框。匹配度最高的图像区域是指匹配区域中与标准图像单元相似度最高的图像区域,而所有匹配区域中与标准图像单元匹配度最高的图像区域是指,将所有匹配区域一一与标准图像单元进行相似度计算,从中选取相似度最高的图像区域作为区域模板。
具体地,可以在每个匹配区域内找到匹配度最高的位置作为该匹配区域的匹配结果。然后将M个匹配结果进行排序,选择最高匹配度的位置作为区域模板。本实施例中,标准图像单元的宽为wt,高为ht,区域模板的宽和高与标准图像单元相同。
步骤407,提取区域模板的轮廓。
本实施例中,提取区域模板的轮廓便于定位重复图像单元。提取轮廓的方式可以采用以下任意一种方式:
1)先对区域模板进行灰度处理,然后再利用图像梯度算法提取出边框。
2)基于活动轮廓的原理,采用snake模型和水平集法,设定一个初始轮廓,不断迭代,直到内部外部能量函数和最小,得到区域模板的轮廓。
3)定义函数模拟人类的视觉特性,构建仿生模型进行特征提取。
步骤408,在图像上以区域模板的轮廓为中心,复制并平铺区域模板的轮廓。
本实施例中,以区域模板的轮廓为展开中心,在图像上平铺多个区域模板的轮廓,区域模板的轮廓宽为wt,高为ht。
步骤409,基于平铺完成的所有区域模板的轮廓,确定图像的边界区域以及各个重复图像单元的位置。
本实施例中,当所有区域模板的轮廓平铺完成之后,在图像上形成如图5所示的结构,该结构可以将重复图像单元11以及图像的边界区域12定位在各个区域模板的轮廓51中。
本实施例中,可选地,可以将平铺完成的所有区域模板的轮廓中的图像分别与预裁剪的标准边界图像进行相似度匹配;响应于确定相似度匹配值大于或等于设定边界阈值,确定与该相似度值对应的区域模板的轮廓为图像的边界区域;响应于确定相似度匹配值小于设定边界阈值,确定与该相似度值对应的区域模板的轮廓为重复图像单元。其中,设定边界阈值为预先设置的相似度阈值,比如,80%。
在本实施例的一些可选实现方式中,基于平铺完成的所有区域模板的轮廓,确定图像的边界区域以及各个重复图像单元的位置,包括:
将平铺完成的所有区域模板的轮廓中的图像分别与标准图像单元进行相似度匹配;响应于确定相似度匹配值大于或等于设定最高阈值,确定与该相似度值对应的区域模板的轮廓为重复图像单元的位置;响应于确定相似度匹配值小于设定最低阈值,确定与该相似度值对应的区域模板的轮廓为边界区域的位置。
本可选实现方式中,标准图像单元是预设的、与重复图像单元内容相同的单元,标准图像单元是从标准图像(与具有多个重复图像单元的图像内容相同的图像)中选取出来的单元,标准图像单元为良品图像,若标准图像不是良品图像,会导致具有多个重复图像单元的图像矫正对齐后都会存在一定角度旋转,甚至会导致具有多个重复图像单元的图像矫正对齐失败。
本可选实现方式中,设定最高阈值和设定最低阈值为经验值,可以根据不同的图像进行不同数值的设置,比如,设定最高阈值为0.85,设定最低阈值为0.35。
本可选实现方式中,将平铺完成的所有区域模板的轮廓中的图像分别与标准图像单元进行相似度匹配,确定与标准图像单元最相似的图像对应的区域模板的轮廓为重复图像单元的位置,从而将每个重复图像单元均定位在了区域模板的轮廓中,保证了重复图像单元定位的准确性;确定与标准图像单元不相似的图像对应的区域模板的轮廓为图像的边界区域的位置,从而定位了图像边界区域,进一步将图像划分出重复图像单元区域以及边界区域,提高了重复图像单元定位的准确性。
本实施例提供的重复图像单元的位置确定方法,在图像中重复图像单元的位置未偏移时,在图像上选取至少一个匹配区域,由所有匹配区域确定区域模板,提取区域模板的轮廓,在图像上以区域模板的轮廓为中心,复制并平铺区域模板的轮廓,本实施例中,每个区域模板的轮廓可以将重复图像单元的位置框起来,保证了每个重复图像单元均在区域模板的轮廓中,保证了重复图像单元定位的准确性。
在本实施例的一些可选实现方式中,如图6所示,图1中步骤104或者图4中步骤404所示的得到至少一个边缘模板的方法,包括以下步骤:
步骤601,将上一个搜索区域中匹配成功的图像作为边缘模板,在边缘模板背离该匹配模板的一侧且与上一个搜索区域相邻的区域中选取当前搜索区域,之后,执行步骤602。
本实施例中,边缘模板是与匹配模板对应的模板,每个匹配模板对应至少一个边缘模板,每个边缘模板可以位于匹配模板的上下左右不同的方向。
步骤602,将当前搜索区域中的图像与边缘模板进行匹配,并检测当前搜索区域中是否有与边缘模板匹配成功的图像;若有与边缘模板匹配成功的图像,执行步骤603;若没有与边缘模板匹配成功的图像,执行步骤604。
本实施例中,与边缘模板匹配成功的图像是指与边缘模板匹配相似度大于设定最高阈值的图像。
步骤603,将当前搜索区域作为上一个搜索区域,之后,返回继续执行步骤601。
步骤604,退出图像匹配。
本可选实现方式中,退出图像匹配是指,停止当前搜索区域中的图像与边缘模板的匹配。
本可选实现方式提供的得到至少一个边缘模板的方法,可以在各匹配模板的四个不同的方向,逐次得到所有与匹配模板匹配成功的图像,同时若在任一方向有匹配不成功的图像,停止划分搜索区域以及匹配,从而保证了在整个图像上最大限度的得到匹配模板相同的边缘模板,以为后续重复图像单元位置定位提供精确的计算基础。
进一步参考图7,作为对上述各图所示方法的实现,本申请提供了重复图像单元的位置确定装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可应用于各种电子设备中。
如图7所示,本实施例提供的重复图像单元的位置确定装置700包括:选取单元701,确定单元702,得到单元703,偏移单元704。其中,上述选取单元701,可以被配置成在具有多个重复图像单元的图像中选取至少一个匹配模板。上述确定单元702,可以被配置成针对每个匹配模板,确定该匹配模板四周的搜索区域。上述得到单元703,可以被配置成针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像。上述偏移单元704,可以被配置成基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。
在本实施例中,重复图像单元的位置确定装置700中:选取单元701,确定单元702,得到单元703,偏移单元704的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101、步骤102、步骤103和步骤104的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置700还包括:匹配单元(图中未示出)、比对单元(图中未示出)、提取单元(图中未示出)、平铺单元(图中未示出)、定位单元(图中未示出)。其中,上述匹配单元,可以被配置成响应于确定重复图像单元的位置未偏移,在图像上选取至少一个匹配区域。上述比对单元,可以被配置成选取所有匹配区域中与标准图像单元匹配度最高的图像区域作为区域模板。上述提取单元,可以被配置成提取区域模板的轮廓。上述平铺单元,可以被配置成在图像上以区域模板的轮廓为中心,复制并平铺区域模板的轮廓。上述定位单元,可以被配置成基于平铺完成的所有区域模板的轮廓,确定图像的边界区域以及各个重复图像单元的位置。
在本实施例的一些可选的实现方式中,上述定位单元包括:相似匹配模块(图中未示出)、单元定位模块(图中未示出)、边界定位模块(图中未示出)。其中,上述相似匹配模块,可以被配置成将平铺完成的所有区域模板的轮廓中的图像分别与标准图像单元进行相似度匹配。上述单元定位模块,可以被配置成响应于确定相似度匹配值大于或等于设定最高阈值,确定与该相似度值对应的区域模板的轮廓为重复图像单元的位置。上述边界定位模块,可以被配置成响应于确定相似度匹配值小于设定最低阈值,确定与该相似度值对应的区域模板的轮廓为边界区域的位置。
在本实施例的一些可选的实现方式中,上述选取单元701包括:选取模块(图中未示出)、规格匹配模块(图中未示出)。其中,上述选取模块,可以被配置成在具有多个重复图像单元的图像中选取至少一个匹配点。上述规格匹配模块,可以被配置成以各匹配点为中心,在图像上选取规格与标准图像单元相同的匹配模板。
在本实施例的一些可选的实现方式中,上述偏移单元704包括:连线模块(图中未示出)、旋转模块(图中未示出)、去除模块(图中未示出)、计算模块(图中未示出)、未偏移模块(图中未示出)、偏移模块(图中未示出)。其中,上述连线模块,可以被配置成针对各个匹配点,将该匹配点与该匹配点对应的水平方向或垂直方向的边缘模板的中心相连得到水平连线或垂直连线。上述旋转模块,可以被配置成基于水平连线或垂直连线,确定该匹配点对应的旋转角度。上述去除模块,可以被配置成去除所有匹配点的旋转角度中的离群的旋转角度。上述计算模块,可以被配置成计算去除后剩余的所有旋转角度的均值,得到重复图像单元的旋转角度。上述未偏移模块,可以被配置成响应于确定重复图像单元的旋转角度等于零,确定重复图像单元的位置未偏移。上述偏移模块,被配置成响应于确定重复图像单元的旋转角度大于零,确定重复图像单元的位置已偏移。
在本实施例的一些可选的实现方式中,上述装置700还包括:旋转单元(图中未示出)。上述旋转单元,可以被配置成基于重复图像单元的旋转角度,旋转图像,以使图像中各个重复图像单元位于标准位置。
在本实施例的一些可选的实现方式中,上述得到单元703包括:搜索模块(图中未示出)、指定模块(图中未示出)、退出模块(图中未示出)。其中,上述搜索模块,可以被配置成将上一个搜索区域中匹配成功的图像作为边缘模板,在边缘模板背离该匹配模板的一侧且与上一个搜索区域相邻的区域中选取当前搜索区域。上述指定模块,可以被配置成响应于确定当前搜索区域中有与边缘模板匹配成功的图像,将当前搜索区域作为上一个搜索区域,返回搜索模块。上述退出模块,可以被配合成响应于确定当前搜索区域中无与边缘模板匹配成功的图像,退出图像匹配。
本申请的实施例提供的重复图像单元的位置确定装置,首先选取单元701在具有多个重复图像单元的图像中选取至少一个匹配模板;其次,确定单元702针对每个匹配模板,确定该匹配模板四周的搜索区域;然后,得到单元703针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,边缘模板为各个搜索区域中匹配成功的图像;最后,偏移单元704基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移。由此,在图像上选取至少一个匹配模板,可以有效减少光照、样本色差对匹配结果的影响。通过逐次选取并匹配的多个搜索区域中的边缘模板,可以确定有效各个搜索区域中的重复图像单元,以及各个重复图像单元中是否偏移,增加了具有多个重复图像单元的图像中重复图像单元定位的准确性。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的重复图像单元的位置确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的重复图像单元的位置确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的重复图像单元的位置确定方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的重复图像单元的位置确定方法对应的程序指令/模块(例如,附图7所示的选取单元701、确定单元702、得到单元703和偏移单元704)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的重复图像单元的位置确定方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据重复图像单元的位置确定方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至重复图像单元的位置确定方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
重复图像单元的位置确定方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线805或者其他方式连接,图8中以通过总线805连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与重复图像单元的位置确定方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种重复图像单元的位置确定方法,包括:
在具有多个重复图像单元的图像中选取至少一个匹配模板;
针对每个匹配模板,确定该匹配模板四周的搜索区域;
针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,所述边缘模板为各个搜索区域中匹配成功的图像;
基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移包括:在具有多个重复图像单元的图像中选取至少一个匹配点;针对各个匹配点,将该匹配点与该匹配点对应的水平方向或垂直方向的边缘模板的中心相连得到水平连线或垂直连线;基于所述水平连线或所述垂直连线,确定该匹配点对应的旋转角度;采用离群点检测算法去除所有匹配点的旋转角度中的离群的旋转角度;计算去除后剩余的所有旋转角度的均值,得到重复图像单元的旋转角度;响应于确定重复图像单元的旋转角度等于零,确定重复图像单元的位置未偏移;响应于确定重复图像单元的旋转角度大于零,确定重复图像单元的位置已偏移。
2.根据权利要求1所述的方法,所述方法还包括:
响应于确定重复图像单元的位置未偏移,在所述图像上选取至少一个匹配区域;
选取所有所述匹配区域中与标准图像单元匹配度最高的图像区域作为区域模板;
提取所述区域模板的轮廓;
在所述图像上以所述区域模板的轮廓为中心,复制并平铺所述区域模板的轮廓;
基于平铺完成的所有区域模板的轮廓,确定所述图像的边界区域以及各个重复图像单元的位置。
3.根据权利要求2所述的方法,其中,所述基于平铺完成的所有区域模板的轮廓,确定所述图像的边界区域以及各个重复图像单元的位置,包括:
将平铺完成的所有区域模板的轮廓中的图像分别与标准图像单元进行相似度匹配;
响应于确定相似度匹配值大于或等于设定最高阈值,确定与该相似度值对应的区域模板的轮廓为重复图像单元的位置;
响应于确定相似度匹配值小于设定最低阈值,确定与该相似度值对应的区域模板的轮廓为边界区域的位置。
4.根据权利要求1-3之一所述的方法,其中,所述在具有多个重复图像单元的图像中选取至少一个匹配模板,包括:
以各匹配点为中心,在所述图像上选取规格与标准图像单元相同的匹配模板。
5.根据权利要求1所述的方法,所述方法还包括:
基于所述重复图像单元的旋转角度,旋转所述图像,以使所述图像中各个重复图像单元位于标准位置。
6.根据权利要求1所述的方法,其中,所述基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,包括以下步骤:
S1、将上一个搜索区域中匹配成功的图像作为边缘模板,在所述边缘模板背离该匹配模板的一侧且与上一个搜索区域相邻的区域中选取当前搜索区域;
S2、响应于确定当前搜索区域中有与所述边缘模板匹配成功的图像,将当前搜索区域作为上一个搜索区域,返回继续执行步骤S1;
S3、响应于确定当前搜索区域中无与所述边缘模板匹配成功的图像,退出图像匹配。
7.一种重复图像单元的位置确定装置,包括:
选取单元,被配置成在具有多个重复图像单元的图像中选取至少一个匹配模板;
确定单元,被配置成针对每个匹配模板,确定该匹配模板四周的搜索区域;
得到单元,被配置成针对该匹配模板的每个搜索区域,响应于确定该匹配模板与该搜索区域中的图像匹配成功,基于该搜索区域中匹配成功的图像,逐次选取并匹配背离该匹配模板一侧的相邻的多个搜索区域中的图像,得到至少一个边缘模板,所述边缘模板为各个搜索区域中匹配成功的图像;
偏移单元,被配置成基于各个匹配模板以及与各个匹配模板对应的边缘模板,确定重复图像单元的位置是否偏移;所述偏移单元包括:选取模块,被配置成在具有多个重复图像单元的图像中选取至少一个匹配点;连线模块,被配置成针对各个匹配点,将该匹配点与该匹配点对应的水平方向或垂直方向的边缘模板的中心相连得到水平连线或垂直连线;旋转模块,被配置成基于所述水平连线或所述垂直连线,确定该匹配点对应的旋转角度;去除模块,被配置成采用离群点检测算法去除所有匹配点的旋转角度中的离群的旋转角度;计算模块,被配置成计算去除后剩余的所有旋转角度的均值,得到重复图像单元的旋转角度;未偏移模块,被配置成响应于确定重复图像单元的旋转角度等于零,确定重复图像单元的位置未偏移;偏移模块,被配置成响应于确定重复图像单元的旋转角度大于零,确定重复图像单元的位置已偏移。
8.根据权利要求7所述的装置,还包括:
匹配单元,被配置成响应于确定重复图像单元的位置未偏移,在所述图像上选取至少一个匹配区域;
比对单元,被配置成选取所有所述匹配区域中与标准图像单元匹配度最高的图像区域作为区域模板;
提取单元,被配置成提取所述区域模板的轮廓;
平铺单元,被配置成在所述图像上以所述区域模板的轮廓为中心,复制并平铺所述区域模板的轮廓;
定位单元,被配置成基于平铺完成的所有区域模板的轮廓,确定所述图像的边界区域以及各个重复图像单元的位置。
9.根据权利要求8所述的装置,其中,所述定位单元包括:
相似匹配模块,被配置成将平铺完成的所有区域模板的轮廓中的图像分别与标准图像单元进行相似度匹配;
单元定位模块,被配置成响应于确定相似度匹配值大于或等于设定最高阈值,确定与该相似度值对应的区域模板的轮廓为重复图像单元的位置;
边界定位模块,被配置成响应于确定相似度匹配值小于设定最低阈值,确定与该相似度值对应的区域模板的轮廓为边界区域的位置。
10.根据权利要求7-9之一所述的装置,其中,所述选取单元包括:
规格匹配模块,被配置成以各匹配点为中心,在所述图像上选取规格与标准图像单元相同的匹配模板。
11.根据权利要求7所述的装置,还包括:
旋转单元,被配置成基于所述重复图像单元的旋转角度,旋转所述图像,以使所述图像中各个重复图像单元位于标准位置。
12.根据权利要求7所述的装置,其中,所述得到单元包括:
搜索模块,被配置成将上一个搜索区域中匹配成功的图像作为边缘模板,在所述边缘模板背离该匹配模板的一侧且与上一个搜索区域相邻的区域中选取当前搜索区域;
指定模块,被配置成响应于确定当前搜索区域中有与所述边缘模板匹配成功的图像,将当前搜索区域作为上一个搜索区域,返回所述搜索模块;
退出模块,被配置成响应于确定当前搜索区域中无与所述边缘模板匹配成功的图像,退出图像匹配。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010924380.3A CN112070084B (zh) | 2020-09-04 | 2020-09-04 | 重复图像单元的位置确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010924380.3A CN112070084B (zh) | 2020-09-04 | 2020-09-04 | 重复图像单元的位置确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070084A CN112070084A (zh) | 2020-12-11 |
CN112070084B true CN112070084B (zh) | 2024-01-12 |
Family
ID=73665548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010924380.3A Active CN112070084B (zh) | 2020-09-04 | 2020-09-04 | 重复图像单元的位置确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070084B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538384B (zh) * | 2021-07-19 | 2024-03-26 | 凌云光技术股份有限公司 | 一种特征的定位方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07129770A (ja) * | 1993-10-28 | 1995-05-19 | Mitsubishi Electric Corp | 画像処理装置 |
JPH09113225A (ja) * | 1995-10-13 | 1997-05-02 | Omron Corp | 画像処理装置および方法ならびに物体外観検査装置 |
JP2001060263A (ja) * | 1999-06-15 | 2001-03-06 | Hitachi Denshi Ltd | 物体追跡方法及び物体追跡装置 |
US6728394B1 (en) * | 2000-02-14 | 2004-04-27 | Siemens Medical Solutions Usa, Inc. | Dynamic measurement of object parameters |
JP2007253699A (ja) * | 2006-03-22 | 2007-10-04 | Daihatsu Motor Co Ltd | 光軸ずれ検出装置 |
JP2012221043A (ja) * | 2011-04-05 | 2012-11-12 | Hitachi Kokusai Electric Inc | 画像処理方法および監視装置 |
WO2016127736A1 (zh) * | 2015-02-13 | 2016-08-18 | 比亚迪股份有限公司 | 指纹重叠区域面积的计算方法及电子装置 |
CN107239780A (zh) * | 2017-04-29 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种多特征融合的图像匹配方法 |
JP2019139640A (ja) * | 2018-02-14 | 2019-08-22 | シヤチハタ株式会社 | 認証システムおよび認証方法 |
CN111242240A (zh) * | 2020-02-13 | 2020-06-05 | 深圳市联合视觉创新科技有限公司 | 物料检测方法、装置及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7133572B2 (en) * | 2002-10-02 | 2006-11-07 | Siemens Corporate Research, Inc. | Fast two dimensional object localization based on oriented edges |
-
2020
- 2020-09-04 CN CN202010924380.3A patent/CN112070084B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07129770A (ja) * | 1993-10-28 | 1995-05-19 | Mitsubishi Electric Corp | 画像処理装置 |
JPH09113225A (ja) * | 1995-10-13 | 1997-05-02 | Omron Corp | 画像処理装置および方法ならびに物体外観検査装置 |
JP2001060263A (ja) * | 1999-06-15 | 2001-03-06 | Hitachi Denshi Ltd | 物体追跡方法及び物体追跡装置 |
US6728394B1 (en) * | 2000-02-14 | 2004-04-27 | Siemens Medical Solutions Usa, Inc. | Dynamic measurement of object parameters |
JP2007253699A (ja) * | 2006-03-22 | 2007-10-04 | Daihatsu Motor Co Ltd | 光軸ずれ検出装置 |
JP2012221043A (ja) * | 2011-04-05 | 2012-11-12 | Hitachi Kokusai Electric Inc | 画像処理方法および監視装置 |
WO2016127736A1 (zh) * | 2015-02-13 | 2016-08-18 | 比亚迪股份有限公司 | 指纹重叠区域面积的计算方法及电子装置 |
CN107239780A (zh) * | 2017-04-29 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种多特征融合的图像匹配方法 |
JP2019139640A (ja) * | 2018-02-14 | 2019-08-22 | シヤチハタ株式会社 | 認証システムおよび認証方法 |
CN111242240A (zh) * | 2020-02-13 | 2020-06-05 | 深圳市联合视觉创新科技有限公司 | 物料检测方法、装置及终端设备 |
Non-Patent Citations (3)
Title |
---|
一种基于灰度的快速模板匹配方法;郑剑斌;郑力新;朱建清;;现代计算机(专业版)(第26期);54-58 * |
基于特征点的形状匹配技术及其算法实现;朱铮涛;张宏;;计算机工程与设计(第05期);182-185 * |
自适应最优块匹配视频稳像算法;蔡成涛;梁小龙;谭吉来;刘学;;系统工程与电子技术(第06期);1324-1329 * |
Also Published As
Publication number | Publication date |
---|---|
CN112070084A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150551B (zh) | 物体位姿的获取方法、装置和电子设备 | |
CN111488824B (zh) | 运动提示方法、装置、电子设备和存储介质 | |
EP3414743B1 (en) | Method and system for efficiently mining dataset essentials with bootstrapping strategy in 6dof pose estimate of 3d objects | |
CN111753961B (zh) | 模型训练方法和装置、预测方法和装置 | |
WO2018177337A1 (zh) | 手部三维数据确定方法、装置及电子设备 | |
CN111709973B (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN106997613B (zh) | 根据2d图像的3d模型生成 | |
CN111784836B (zh) | 高精地图生成方法、装置、设备及可读存储介质 | |
CN110659600B (zh) | 物体检测方法、装置及设备 | |
CN110738599B (zh) | 图像拼接方法、装置、电子设备及存储介质 | |
JP7150074B2 (ja) | エッジベースの拡張現実3次元追跡登録方法、装置及び電子機器 | |
JP7389824B2 (ja) | オブジェクト識別方法と装置、電子機器及び記憶媒体 | |
CN111709428B (zh) | 图像中关键点位置的识别方法、装置、电子设备及介质 | |
CN112070084B (zh) | 重复图像单元的位置确定方法和装置 | |
CN111369571B (zh) | 三维物体位姿准确性判断方法、装置及电子设备 | |
CN116670565A (zh) | 用于确定符合性的方法和系统 | |
CN111967481B (zh) | 视觉定位方法、装置、电子设备及存储介质 | |
CN112085842A (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
CN112183484B (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
CN112150380B (zh) | 校正图像的方法、装置、电子设备和可读存储介质 | |
CN116167426A (zh) | 人脸关键点定位模型的训练方法及人脸关键点定位方法 | |
CN111784697B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112200190B (zh) | 兴趣点的位置确定方法、装置、电子设备和存储介质 | |
CN112001369B (zh) | 船舶烟囱的检测方法、装置、电子设备及可读存储介质 | |
CN111582153B (zh) | 确定文档朝向的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |