CN112085033A - 一种模板匹配方法、装置、电子设备及存储介质 - Google Patents

一种模板匹配方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112085033A
CN112085033A CN202010838615.7A CN202010838615A CN112085033A CN 112085033 A CN112085033 A CN 112085033A CN 202010838615 A CN202010838615 A CN 202010838615A CN 112085033 A CN112085033 A CN 112085033A
Authority
CN
China
Prior art keywords
image
matching
matched
contour point
template
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
CN202010838615.7A
Other languages
English (en)
Other versions
CN112085033B (zh
Inventor
黄虎
周璐
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.)
Zhejiang Huaray Technology Co Ltd
Original Assignee
Zhejiang Huaray Technology 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 Zhejiang Huaray Technology Co Ltd filed Critical Zhejiang Huaray Technology Co Ltd
Priority to CN202010838615.7A priority Critical patent/CN112085033B/zh
Publication of CN112085033A publication Critical patent/CN112085033A/zh
Application granted granted Critical
Publication of CN112085033B publication Critical patent/CN112085033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/44—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

Abstract

本发明公开了一种模板匹配方法、装置、电子设备及存储介质，在模板匹配之前，用户自定义生成模板图像，然后基于自定义生成的模板图像计算每个第一轮廓点的梯度方向，在进行模板匹配时，确定匹配图像中的每个待匹配子图像，根据每个第一轮廓点的梯度方向和每个待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，确定所述模板图像与每个待匹配子图像的匹配度；将匹配度最高的待匹配子图像作为匹配成功的目标图像。通过自定义模板图像的技术手段保证了在模板训练阶段不受复杂背景纹理的干扰，避免了模板训练阶段提取特征不准确的问题，提高了对模板图像特征提取的准确性，进而提高了模板匹配的准确性。

Description

一种模板匹配方法、装置、电子设备及存储介质
技术领域
本发明涉及机器视觉技术领域，尤其涉及一种模板匹配方法、装置、电子设备及存储介质。
背景技术
模板匹配是机器视觉核心算法之一，匹配定位作为机器视觉应用的第一步，其定位的精度与速度决定了该应用能否成功的关键。
通常的模板匹配包括两个阶段，第一阶段是离线模板训练，即选择要匹配的模板图像，在这个阶段可以完成对模板图像的特征的提取和特征信息的存储。第二阶段是在线模板匹配，在匹配图像中搜索定位第一阶段所训练模板的姿态，得到目标图像，姿态信息包括位置坐标、旋转角度、缩放尺度。
现有技术中，在离线模板训练阶段，一般是在原始图像中框选出要匹配的模板图像，然后对模板图像进行特征提取，对于如图1所示的目标边缘清晰、对比度较高的应用场景，可以很容易提取到边缘特征，但是存在的问题是，因为框选出的图像中不只是模板图像，在模板图像的周围也会存在原始图像的信息，如果原始图像纹理复杂，如图2所示，在模板图像的周围便会存在较多的干扰，这样对框选出的图像进行特征提取时，有可能无法准确提取到模板图像的边缘特征，导致对模板图像特征提取不准确。在模板图像的特征不准确的情况下，基于模板图像在匹配图像中搜索定位匹配成功的目标图像也是不准确的，因此，现有技术存在模板匹配不准确的问题。
发明内容
本发明实施例提供了一种模板匹配方法、装置、电子设备及存储介质，用以解决现有技术中模板匹配不准确的问题。
本发明实施例提供了一种模板匹配方法，所述方法包括：
获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
进一步地，所述确定匹配图像中的每个待匹配子图像之前，所述方法还包括：
确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述确定匹配图像中的每个待匹配子图像包括：
根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
进一步地，所述确定所述模板图像的匹配中心点包括：
根据公式
Figure BDA0002640595550000021
确定所述模板图像的匹配中心点；
式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
进一步地，所述确定所述每个第一轮廓点相对于所述匹配中心点的角度信息包括：
根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；
式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
进一步地，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像包括：
分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；
根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
进一步地，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度包括：
根据公式
Figure BDA0002640595550000031
确定所述模板图像与该待匹配子图像的匹配度；
式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
另一方面，本发明实施例提供了一种模板匹配装置，所述装置包括：
获取模块，用于获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
匹配模块，用于确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
进一步地，所述装置还包括：
确定模块，用于确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述匹配模块，具体用于根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
进一步地，所述确定模块，具体用于根据公式
Figure BDA0002640595550000041
确定所述模板图像的匹配中心点；式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
进一步地，所述确定模块，具体用于根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
进一步地，所述匹配模块，具体用于分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
进一步地，所述匹配模块，具体用于根据公式
Figure BDA0002640595550000051
确定所述模板图像与该待匹配子图像的匹配度；式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
再一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
再一方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种模板匹配方法、装置、电子设备及存储介质，所述方法包括：获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
上述的技术方案具有如下优点或有益效果：
由于在本发明实施例中，在模板匹配之前，用户自定义生成模板图像，然后基于自定义生成的模板图像计算每个第一轮廓点的梯度方向，在进行模板匹配时，确定匹配图像中的每个待匹配子图像，根据每个第一轮廓点的梯度方向和每个待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，确定所述模板图像与每个待匹配子图像的匹配度；将匹配度最高的待匹配子图像作为匹配成功的目标图像。通过自定义模板图像的技术手段保证了在模板训练阶段不受复杂背景纹理的干扰，避免了模板训练阶段提取特征不准确的问题，提高了对模板图像特征提取的准确性，进而提高了模板匹配的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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为目标边缘清晰、对比度较高的应用场景图像示意图；
图2为背景纹理复杂的图像示意图；
图3为本发明实施例1提供的模板匹配过程示意图；
图4为本发明实施例4提供的模板匹配效果示意图；
图5为本发明实施例5提供的模板匹配装置结构示意图；
图6为本发明实施例6提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
实施例1：
图3为本发明实施例提供的模板匹配过程示意图，该过程包括以下步骤：
S101：获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像。
S102：确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
本发明实施例提供的模板匹配方法应用于电子设备，该电子设备可以是PC、平板电脑等设备。本发明实施例所应用的场景为匹配形状可以预知的场景。
在本发明实施例中，用户预先自定义生成模板图像，其中，自定义生成的模板图像中的模板产品形状包括直线、直角、圆弧、圆形、三角形、正方形、矩形、十字、双十字等，可以是上述单独的形状，也可以是上述几种形状的组合。或者也可以是使用CAD等绘图工具绘制模板图像。
用户自定义生成模板图像，模板图像中位于线条上的轮廓点也由用户定义产生，在本发明实施例中，将模板图像中的轮廓点称为第一轮廓点。并且在定义出每个第一轮廓点之后，确定模板图像中每个第一轮廓点的梯度方向。
电子设备获取到匹配图像之后，在匹配图像中通过旋转、平移以及缩放等操作遍历放置模板图像，得到每个待匹配子图像，因此，每个待匹配子图像中都存在与模板图像位置对应的像素点。针对每个待匹配子图像，确定该待匹配子图像中与模板图像中每个第一轮廓点位置对应的每个第二轮廓点，然后在匹配图像中确定每个第二轮廓点的梯度方向。根据每个第一轮廓点的梯度方向和每个第二轮廓点的梯度方向，可以确定模板图像与该待匹配子图像的匹配度。当第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向相同时，该对轮廓点的梯度方向的点积取得最大值1，该对轮廓点的匹配度也最大。当第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向正交时，该对轮廓点的梯度方向的点积取值为0，该对轮廓点的匹配度也最小。当第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向相反时，该对轮廓点的梯度方向的点积取值为-1。第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向相反时，说明模板图像与该待匹配子图像的极性相反，在模板匹配的过程中，可以由用户定义匹配规则，如果仅匹配极性相同的图像，则当第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向相反时，该对轮廓点的匹配度最小，如果即匹配极性相同的图像，也匹配极性相反的图像时，则当第一轮廓点的梯度方向与对应的第二轮廓点的梯度方向相反时，该对轮廓点的匹配度也认为是最大，此时在该对轮廓点的梯度方向的点积之后需要取绝对值。
需要说明的是。本发明实施例中每个轮廓点的梯度方向可以是前后相邻两个轮廓点连线的方向旋转正90度或旋转负90度，只要保证所有轮廓点的旋转方向一致即可。
针对每个待匹配子图像，根据每个第一轮廓点的梯度方向和该待匹配子图像中每个第二轮廓点的梯度方向，确定模板图像与该待匹配子图像的匹配度时，如上所述先确定出每对轮廓点的匹配度，然后根据每对轮廓点的匹配度确定出模板图像与该待匹配子图像的匹配度，例如可以将每对轮廓点的匹配度的平均值作为模板图像与该待匹配子图像的匹配度。
电子设备确定出模板图像与每个待匹配子图像的匹配度之后；将与模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
另外，电子设备中可以预先保存匹配度阈值，在确定出与模板图像匹配度最高的待匹配子图像之后，首先判断最高的匹配度是否达到匹配度阈值，如果是，则将与模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像，否则确定模板匹配失败，重新进行模板匹配。
实施例2：
为了使确定匹配图像中的每个待匹配子图像更加便捷，在上述实施例的基础上，在本发明实施例中，所述确定匹配图像中的每个待匹配子图像之前，所述方法还包括：
确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述确定匹配图像中的每个待匹配子图像包括：
根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
在本发明实施例中，确定匹配图像中的每个待匹配子图像之前，电子设备可以确定出模板图像的匹配中心点，以及每个第一轮廓点相对于匹配中心点的角度信息。然后在匹配图像中遍历确定每个待匹配子图像时，以匹配中心点为基准在匹配图像中进行移动遍历，并且模板图像旋转和缩放也是以匹配中心点为基准进行的，从而方便了每个待匹配子图像的确定。
另外，预先确定每个第一轮廓点相对于所述匹配中心点的角度信息，在确定匹配图像中的每个待匹配子图像时，根据模板图像的匹配中心点和每个第一轮廓点相对于匹配中心点的角度信息，在匹配图像中遍历得到每个待匹配子图像，能够提高确定每个待匹配子图像的效率。这是因为，遍历过程存在以匹配中心点为基准的旋转，为了使每次旋转后快速确定出匹配图像中的第二轮廓点，确定匹配图像中的每个待匹配子图像之前，确定出每个第一轮廓点相对于匹配中心点的角度信息，这样在每次旋转之后，在每个第一轮廓点相对于匹配中心点的角度信息的基础上结合旋转的角度，再利用三角函数关系，即可快速确定出哪些像素点是与第一轮廓点位置对应的第二轮廓点。提高了确定匹配图像中的每个待匹配子图像的效率。
具体的，所述确定所述模板图像的匹配中心点包括：
根据公式
Figure BDA0002640595550000091
确定所述模板图像的匹配中心点；
式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
所述确定所述每个第一轮廓点相对于所述匹配中心点的角度信息包括：
根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；
式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
实施例3：
为了减小模板匹配的计算量，提高模板匹配的效率，在上述各实施例的基础上，在本发明实施例中，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像包括：
分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；
根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
在本发明实施例中，为了减小模板匹配计算量，电子设备分别对模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像。本发明实施例中不对金字塔图像的层数进行限定。基于金字塔图像，按照由粗到细的策略完成模板匹配。具体方案为，首先在最小分辨率的金字塔图像中，确定该层金字塔图像中，匹配图像中的每个待匹配子图像，然后根据该层金字塔图像中，模板图像中的每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定该层模板图像与该层每个待匹配子图像的匹配度，选取匹配度最高的待匹配子图像作为候选目标图像，然后将候选目标图像映射至下一层大分辨率的金字塔图像中的匹配图像中，得到匹配区域。然后在该层金字塔图像中的匹配区域内，再次根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个第二轮廓点的梯度方向，确定候选目标图像，并继续向下一层大分辨率的金字塔图像中映射，得到新的匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像，此时的候选目标图像也就是最终确定出的目标图像。
由于在本发明实施例中，基于金字塔图像实现模板匹配，相较于直接在原始分辨率图像中进行模板匹配，大大降低了计算量，提高了模板匹配的效率。
实施例4：
为了使模板匹配更加准确，在上述各实施例的基础上，在本发明实施例中，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度包括：
根据公式
Figure BDA0002640595550000111
确定所述模板图像与该待匹配子图像的匹配度；
式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
计算模板图像的第一轮廓点的梯度方向A，匹配图像上对应的第二轮廓点的梯度方向B，通过余弦函数来度量两个梯度方向的夹角，夹角的大小反映了模板轮廓梯度方向与当前匹配的梯度方向的重合度。
在本发明实施例中，确定出每个第一轮廓点的梯度方向以及位置对应的每个第二轮廓点的梯度方向之后，根据上述公式计算模板图像与待匹配子图像的匹配度，使得确定的匹配度更准确，进而使得模板匹配更准确。
另外，用户还可以预先指定每个第一轮廓点对应的权重值，其中，可以设置每个第一轮廓点对应的权重值都是相同的，也可以根据某些位置轮廓点对应模板匹配的重要性，提高其权重值，例如矩形区域的四个直角处的轮廓点设置的权重值较高。根据上述公式结合每个轮廓点的权重值可以使得模板匹配更准确。
在本发明实施例中，对于一些匹配形状可以预知的应用场景，可以通过自定义形状的方式来训练模板，可以包括单一基础形状的训练，如：直线、直角、圆弧、圆形、三角形、正方形、矩形、十字、双十字等，或者是多个基础形状的组合，更进一步，如果目标形状较为复杂，但是，有产品设计CAD图纸，同样可以用这种自定义形状训练模板。
所有的形状在图像坐标系统下都是由点来组成，自定义形状需要手动设计轮廓点的位置及属性值。轮廓点的属性包括位置坐标(xi,yi)、相对中心点角度信息(anglei)、梯度方向(directioni)、权重值(contrasti)。
以单一基础形状矩形为例，自定义形状的轮廓特征训练方式：
匹配中心计算，中心点的坐标可以计算所有轮廓点的质心坐标，假设有n个轮廓点，计算的质心坐标为：
Figure BDA0002640595550000121
相对中心点角度计算，以匹配中心(X,Y)为坐标原点中心，计算(xi,yi)在该坐标系下对应的角度：anglei＝atan2(yi-Y,xi-X)；
梯度方向计算，(xi,yi)前后轮廓点(xi-1,yi-1)和(xi+1,yi+1)连线的量方向旋转正90度或者旋转负90度，只要保证所有的轮廓点按照相同的旋转方向即可。
权重值设定，由于是自定义形状，其轮廓点本身不是通过图像计算得出，此处的权重值用于区分轮廓点的重要程度，对于权重值较高的轮廓点，在后续匹配时，影响的权重就会更大。
组合形状和CAD标准形状都可以按照上述的方法计算边缘点的属性，用于进一步的模板匹配。
第二阶段进行模板匹配时，在训练完模板信息以后，通常按照由粗到细的策略完成模板匹配，即，通过构建图像金字塔，在小分辨率图像中搜索候选目标，在更大一级分辨率的金字塔上精匹配，直到最后一层金字塔，确定最终的匹配结果。确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
本发明实施例相比较于基于特征点匹配的方法，适用于所有特征点可支持的场景，同时，可以支持基于特征点匹配方法不能处理的直线、圆弧等无法提取特征点的场景。相比较于广义霍夫变换的匹配方法，不需要对匹配图像提取边缘特征，减少了不必要的计算。基于广义霍夫变换的匹配方法，其精度依赖于搜索步长(角度、尺度)，不能够应用于高精度匹配的场景。相比较于传统的基于轮廓的模板匹配方法，本方案提出的自定义形状的模板匹配方法可以保证训练的形状不受复杂背景纹理的干扰，从而保证最终匹配的稳定性和准确度。
图4为本发明实施例提供的模板匹配效果示意图，图4中左侧为自定义的模板图像，右侧为匹配结果示意图。
实施例5：
图5为本发明实施例提供的模板匹配装置结构示意图，所述装置包括：
获取模块51，用于获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
匹配模块52，用于确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
所述装置还包括：
确定模块53，用于确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述匹配模块52，具体用于根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
所述确定模块53，具体用于根据公式
Figure BDA0002640595550000141
确定所述模板图像的匹配中心点；式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
所述确定模块53，具体用于根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
所述匹配模块52，具体用于分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
所述匹配模块52，具体用于根据公式
Figure BDA0002640595550000142
确定所述模板图像与该待匹配子图像的匹配度；式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
实施例6：
在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，如图6所示，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
所述存储器303中存储有计算机程序，当所述程序被所述处理器301执行时，使得所述处理器301执行如下步骤：
获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与模板匹配方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在本发明实施例中处理器执行存储器上所存放的程序时，实现获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
由于在本发明实施例中，在模板匹配之前，用户自定义生成模板图像，然后基于自定义生成的模板图像计算每个第一轮廓点的梯度方向，在进行模板匹配时，确定匹配图像中的每个待匹配子图像，根据每个第一轮廓点的梯度方向和每个待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，确定所述模板图像与每个待匹配子图像的匹配度；将匹配度最高的待匹配子图像作为匹配成功的目标图像。通过自定义模板图像的技术手段保证了在模板训练阶段不受复杂背景纹理的干扰，避免了模板训练阶段提取特征不准确的问题，提高了对模板图像特征提取的准确性，进而提高了模板匹配的准确性。
实施例7：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与模板匹配方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
上述的技术方案具有如下优点或有益效果：
由于在本发明实施例中，在模板匹配之前，用户自定义生成模板图像，然后基于自定义生成的模板图像计算每个第一轮廓点的梯度方向，在进行模板匹配时，确定匹配图像中的每个待匹配子图像，根据每个第一轮廓点的梯度方向和每个待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，确定所述模板图像与每个待匹配子图像的匹配度；将匹配度最高的待匹配子图像作为匹配成功的目标图像。通过自定义模板图像的技术手段保证了在模板训练阶段不受复杂背景纹理的干扰，避免了模板训练阶段提取特征不准确的问题，提高了对模板图像特征提取的准确性，进而提高了模板匹配的准确性。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种模板匹配方法，其特征在于，所述方法包括：
获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；
将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
2.如权利要求1所述的方法，其特征在于，所述确定匹配图像中的每个待匹配子图像之前，所述方法还包括：
确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述确定匹配图像中的每个待匹配子图像包括：
根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
3.如权利要求2所述的方法，其特征在于，所述确定所述模板图像的匹配中心点包括：
根据公式
Figure FDA0002640595540000011
确定所述模板图像的匹配中心点；
式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
4.如权利要求2所述的方法，其特征在于，所述确定所述每个第一轮廓点相对于所述匹配中心点的角度信息包括：
根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；
式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
5.如权利要求1所述的方法，其特征在于，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像包括：
分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；
根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
6.如权利要求1或5所述的方法，其特征在于，所述根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度包括：
根据公式
Figure FDA0002640595540000021
确定所述模板图像与该待匹配子图像的匹配度；
式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
7.一种模板匹配装置，其特征在于，所述装置包括：
获取模块，用于获取预先确定的模板图像中每个第一轮廓点的梯度方向，其中，所述模板图像为预先自定义生成的模板图像；
匹配模块，用于确定匹配图像中的每个待匹配子图像，针对所述每个待匹配子图像，确定该待匹配子图像中与所述每个第一轮廓点位置对应的每个第二轮廓点的梯度方向，根据所述每个第一轮廓点的梯度方向和所述每个第二轮廓点的梯度方向，确定所述模板图像与该待匹配子图像的匹配度；将与所述模板图像匹配度最高的待匹配子图像作为匹配成功的目标图像。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
确定模块，用于确定所述模板图像的匹配中心点，以及所述每个第一轮廓点相对于所述匹配中心点的角度信息；
所述匹配模块，具体用于根据所述模板图像的匹配中心点和所述每个第一轮廓点相对于所述匹配中心点的角度信息，在所述匹配图像中遍历得到每个待匹配子图像。
9.如权利要求8所述的装置，其特征在于，所述确定模块，具体用于根据公式
Figure FDA0002640595540000031
确定所述模板图像的匹配中心点；式中，xi，yi为第i个第一轮廓点的位置信息，n为第一轮廓点的数量，X，Y为模板图像的匹配中心点的位置信息。
10.如权利要求8所述的装置，其特征在于，所述确定模块，具体用于根据公式anglei＝atan2(yi-Y，xi-X)确定所述每个第一轮廓点相对于所述匹配中心点的角度信息；式中，xi，yi为第i个第一轮廓点的位置信息，X，Y为模板图像的匹配中心点的位置信息，anglei为第i个第一轮廓点相对于所述匹配中心点的角度信息。
11.如权利要求7所述的装置，其特征在于，所述匹配模块，具体用于分别对所述模板图像和匹配图像进行多尺度分解处理，得到所述模板图像和匹配图像的金字塔图像；根据最小分辨率的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域；在所述匹配区域中根据当前层的金字塔图像中每个第一轮廓点的梯度方向和每个待匹配子图像中每个第二轮廓点的梯度方向，确定候选目标图像，并将所述候选目标图像映射至下一层大分辨率的金字塔图像中，得到匹配区域，直至在最大分辨率的金字塔图像中确定出候选目标图像作为目标图像。
12.如权利要求7或11所述的装置，其特征在于，所述匹配模块，具体用于根据公式
Figure FDA0002640595540000041
确定所述模板图像与该待匹配子图像的匹配度；式中，Ai为第i个第一轮廓点的梯度方向，Bi为与第i个第一轮廓点位置对应的第二轮廓点的梯度方向，n为第一轮廓点的数量，similarity为匹配度。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一项所述的方法步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法步骤。
CN202010838615.7A 2020-08-19 2020-08-19 一种模板匹配方法、装置、电子设备及存储介质 Active CN112085033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010838615.7A CN112085033B (zh) 2020-08-19 2020-08-19 一种模板匹配方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010838615.7A CN112085033B (zh) 2020-08-19 2020-08-19 一种模板匹配方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112085033A true CN112085033A (zh) 2020-12-15
CN112085033B CN112085033B (zh) 2024-04-09

Family

ID=73728552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010838615.7A Active CN112085033B (zh) 2020-08-19 2020-08-19 一种模板匹配方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112085033B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113033640A (zh) * 2021-03-16 2021-06-25 深圳棱镜空间智能科技有限公司 模板匹配方法、装置、设备及计算机可读存储介质
CN113205145A (zh) * 2021-05-18 2021-08-03 广州大学 基于归一化互相关的模板匹配方法、系统、装置及介质
CN113298834A (zh) * 2021-04-29 2021-08-24 华工法利莱切焊系统工程有限公司 金属板材视觉寻边图像处理方法及装置
CN113378886A (zh) * 2021-05-14 2021-09-10 珞石（山东）智能科技有限公司 一种自动训练形状匹配模型的方法
CN113658253A (zh) * 2021-07-27 2021-11-16 广东省大湾区集成电路与系统应用研究院 模板匹配定位方法、装置、图像采集设备及存储介质
CN114398978A (zh) * 2022-01-13 2022-04-26 深圳市腾盛精密装备股份有限公司 一种模板匹配方法、装置、存储介质以及电子设备
CN116486126A (zh) * 2023-06-25 2023-07-25 合肥联宝信息技术有限公司 一种模版确定方法、装置、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050152604A1 (en) * 2004-01-09 2005-07-14 Nucore Technology Inc. Template matching method and target image area extraction apparatus
CN101770583A (zh) * 2010-01-15 2010-07-07 华中科技大学 一种基于场景全局特征的模板匹配方法
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN104252711A (zh) * 2014-09-17 2014-12-31 华中科技大学 一种基于图像梯度方向码的匹配方法
JP5685665B1 (ja) * 2014-04-28 2015-03-18 ヴィスコ・テクノロジーズ株式会社 画像認識装置
CN104700085A (zh) * 2015-03-10 2015-06-10 华中科技大学 一种基于模板匹配的芯片定位方法
US20160012312A1 (en) * 2014-07-08 2016-01-14 Canon Kabushiki Kaisha Image processing method, image processing apparatus, program, and recording medium
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法
CN106778889A (zh) * 2016-12-28 2017-05-31 天津普达软件技术有限公司 一种基于梯度强度和方向的模板匹配方法
CN108805220A (zh) * 2018-07-25 2018-11-13 广东奥普特科技股份有限公司 一种基于梯度积分的快速模板匹配算法
CN110222703A (zh) * 2019-06-12 2019-09-10 江苏通佑视觉科技有限公司 图像轮廓识别方法、装置、设备和介质
CN110287984A (zh) * 2019-05-10 2019-09-27 国网浙江省电力有限公司台州供电公司 基于主要特征信息的梯度图像匹配方法、装置、电子设备
CN111079803A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 基于梯度信息的模板匹配方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050152604A1 (en) * 2004-01-09 2005-07-14 Nucore Technology Inc. Template matching method and target image area extraction apparatus
CN101770583A (zh) * 2010-01-15 2010-07-07 华中科技大学 一种基于场景全局特征的模板匹配方法
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
JP5685665B1 (ja) * 2014-04-28 2015-03-18 ヴィスコ・テクノロジーズ株式会社 画像認識装置
US20160012312A1 (en) * 2014-07-08 2016-01-14 Canon Kabushiki Kaisha Image processing method, image processing apparatus, program, and recording medium
CN104252711A (zh) * 2014-09-17 2014-12-31 华中科技大学 一种基于图像梯度方向码的匹配方法
CN104700085A (zh) * 2015-03-10 2015-06-10 华中科技大学 一种基于模板匹配的芯片定位方法
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法
CN106778889A (zh) * 2016-12-28 2017-05-31 天津普达软件技术有限公司 一种基于梯度强度和方向的模板匹配方法
CN108805220A (zh) * 2018-07-25 2018-11-13 广东奥普特科技股份有限公司 一种基于梯度积分的快速模板匹配算法
CN110287984A (zh) * 2019-05-10 2019-09-27 国网浙江省电力有限公司台州供电公司 基于主要特征信息的梯度图像匹配方法、装置、电子设备
CN110222703A (zh) * 2019-06-12 2019-09-10 江苏通佑视觉科技有限公司 图像轮廓识别方法、装置、设备和介质
CN111079803A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 基于梯度信息的模板匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩晓微 等: "《数字图像融合技术》", 东北大学出版社, pages: 55 - 60 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113033640A (zh) * 2021-03-16 2021-06-25 深圳棱镜空间智能科技有限公司 模板匹配方法、装置、设备及计算机可读存储介质
CN113033640B (zh) * 2021-03-16 2023-08-15 深圳棱镜空间智能科技有限公司 模板匹配方法、装置、设备及计算机可读存储介质
CN113298834A (zh) * 2021-04-29 2021-08-24 华工法利莱切焊系统工程有限公司 金属板材视觉寻边图像处理方法及装置
CN113298834B (zh) * 2021-04-29 2022-07-05 华工法利莱切焊系统工程有限公司 金属板材视觉寻边图像处理方法及装置
CN113378886A (zh) * 2021-05-14 2021-09-10 珞石（山东）智能科技有限公司 一种自动训练形状匹配模型的方法
CN113205145A (zh) * 2021-05-18 2021-08-03 广州大学 基于归一化互相关的模板匹配方法、系统、装置及介质
CN113658253A (zh) * 2021-07-27 2021-11-16 广东省大湾区集成电路与系统应用研究院 模板匹配定位方法、装置、图像采集设备及存储介质
CN114398978A (zh) * 2022-01-13 2022-04-26 深圳市腾盛精密装备股份有限公司 一种模板匹配方法、装置、存储介质以及电子设备
CN116486126A (zh) * 2023-06-25 2023-07-25 合肥联宝信息技术有限公司 一种模版确定方法、装置、设备及存储介质
CN116486126B (zh) * 2023-06-25 2023-10-27 合肥联宝信息技术有限公司 一种模版确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112085033B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN112085033B (zh) 一种模板匹配方法、装置、电子设备及存储介质
US10691927B2 (en) Image deformation processing method and apparatus, and computer storage medium
CN108381549B (zh) 一种双目视觉引导机器人快速抓取方法、装置及存储介质
CN109598744B (zh) 一种视频跟踪的方法、装置、设备和存储介质
CN109784250B (zh) 自动引导小车的定位方法和装置
CN110688947B (zh) 一种同步实现人脸三维点云特征点定位和人脸分割的方法
TW202011264A (zh) 資訊的檢測方法、裝置及設備
CN112336342B (zh) 手部关键点检测方法、装置及终端设备
CN112966725B (zh) 匹配模板图像的方法、装置及终端设备
TW202217662A (zh) 視覺定位方法及相關模型的訓練方法、電子設備和電腦可讀儲存介質
CN112364881B (zh) 一种进阶采样一致性图像匹配方法
CN109658453B (zh) 圆心确定方法、装置、设备及存储介质
CN113496230A (zh) 图像匹配方法和系统
CN115239776B (zh) 点云的配准方法、装置、设备和介质
CN109816709B (zh) 基于单目摄像头的深度估计方法、装置及设备
CN113033578B (zh) 基于多尺度特征匹配的图像校准方法、系统、终端及介质
CN114998743A (zh) 一种视觉地图点的构建方法、装置、设备及介质
CN114419333A (zh) 一种检测框重叠度的生成方法、目标检测方法及装置
CN116295466A (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
CN115131273A (zh) 信息处理方法、测距方法及装置
CN115210758A (zh) 运动模糊稳健的图像特征匹配
CN112907662A (zh) 特征提取方法、装置、电子设备及存储介质
CN111967579A (zh) 使用卷积神经网络对图像进行卷积计算的方法和装置
CN110705479A (zh) 模型训练方法和目标识别方法、装置、设备及介质
CN115222809B (zh) 目标位姿估计方法、装置、计算设备及存储介质

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
CB02 Change of applicant information

Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Huarui Technology Co.,Ltd.

Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant