CN115601570A - 一种模板图像的匹配方法、装置、电子设备及存储介质 - Google Patents

一种模板图像的匹配方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115601570A
CN115601570A CN202211271962.1A CN202211271962A CN115601570A CN 115601570 A CN115601570 A CN 115601570A CN 202211271962 A CN202211271962 A CN 202211271962A CN 115601570 A CN115601570 A CN 115601570A
Authority
CN
China
Prior art keywords
image
pixel
search
pixel block
layer
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
CN202211271962.1A
Other languages
English (en)
Inventor
唐春明
唐朝
梁承东
彭凌西
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 Jingyuan Safety Technology Co ltd
Guangzhou University
Original Assignee
Guangzhou Jingyuan Safety Technology Co ltd
Guangzhou University
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 Jingyuan Safety Technology Co ltd, Guangzhou University filed Critical Guangzhou Jingyuan Safety Technology Co ltd
Priority to CN202211271962.1A priority Critical patent/CN115601570A/zh
Publication of CN115601570A publication Critical patent/CN115601570A/zh
Pending legal-status Critical Current

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
    • G06V10/70—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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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

Landscapes

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

Abstract

本发明公开了一种模板图像的匹配方法、装置、电子设备及存储介质，方法包括：获取模板图像与搜索图像的图像金字塔；分别在模板图像金字塔与搜索图像金字塔的顶层图像中，确定多个采样像素点及每个采样像素点的特征像素块，划分出特征像素块进行对比，相较整张图像进行对比极大减少了运算量；将两张顶层图像的特征像素块进行对比，得到顶层匹配区域；根据顶层匹配区域在搜索图像金字塔的各层图像进行逐层对比，根据特征像素块逐层向下搜索对比，可以在一定程度上抵抗光照噪声的影响，直至在搜索图像金字塔的底层图像中确定与模板图像金字塔的底层图像相似度最高的底层匹配区域。本发明实现了稳定且高效的模板匹配，可广泛应用于图像匹配技术领域。

Description

一种模板图像的匹配方法、装置、电子设备及存储介质
技术领域
本发明涉及图像分析技术领域，尤其是一种模板图像的匹配方法、装置、电子设备及存储介质。
背景技术
模板匹配在计算机视觉领域和图像处理技术中属于重要的方法，通过使用模板图像在搜索图像中进行搜索比较，找出相似度最高的候选区域作为匹配的结果，从而在搜索图像中找到目标。传统的模板匹配是进行图像像素的灰度值比较，例如将模板图像和搜索图像中的对应区域的对应像素进行逐个作差求取绝对值，也或者是将对应像素点产生的差值每一个进行平方再求和，生成的值越小代表着相似度越高，取相似度最高的区域作为匹配的结果，然而当搜索图像受到光照噪声影响时，匹配会失效。考虑到光照带来的影响，现有技术中对应的判别函数使用了归一化互相关的计算公式，虽然极大的提高了匹配的准确率，但是也增加了计算量，降低了匹配速度。
因此，能够一定程度上抵抗光照影响且快速完成模板匹配的方案具有重要的研究意义。
发明内容
有鉴于此，本发明实施例提供一种能够一定程度上抵抗光照影响且高效的模板图像的匹配方法、装置、电子设备及存储介质。
本发明实施例的一方面提供了一种模板图像的匹配方法，包括：
获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔，所述模板图像金字塔与所述搜索图像金字塔的图像层数相同；
在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块；
将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域；
根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
可选地，确定采样点对应的特征像素块的过程，包括：
确定所述采样像素点及周围八个像素点组成的正方形的像素块；
若所述像素块的四条边上至少存在一条边的三个像素点，且三个像素点中与目标像素点之间的像素差绝对值高于预设的分割阈值的像素点达到预设个数，则将所述像素块确定为特征像素块；
其中，所述目标像素点位于所述像素块之外，且所述目标像素点与所述像素块相邻。
可选地，所述将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，包括：
在所述第二顶层图像中确定与所述第一顶层图像范围大小相同的多个第一搜索区域；
针对每个所述第一搜索区域，将所述第一顶层图像的每个特征像素块与所述第一搜索区域上对应位置的特征像素块进行对比。
可选地，在所述搜索图像金字塔除顶层图像外的每层图像进行对比的过程，包括：
确定上一层搜索图像的匹配区域中，预设的参考点的参考坐标；
根据所述参考坐标确定本层搜索图像的第二搜索区域；
将与本层搜索图像对应的模板图像上的特征像素块，与所述第二搜索区域上的特征像素块进行对比。
可选地，所述模板图像的特征像素块与所述搜索图像对应位置的特征像素块的相似度的计算公式为：
Figure BDA0003895352010000021
其中，L表示模板图像的特征像素块与所述搜索图像对应位置的特征像素块的相似度，t表示所述模板图像上的特征像素块中采样像素点的像素值，t1表示所述模板图像上的特征像素块中除采样像素点外的像素点的像素值，s表示所述搜索图像上的特征像素块中采样像素点的像素值，s1表示所述搜索图像上的特征像素块中除采样像素点外的像素点的像素值。
本发明实施例的另一方面还提供了一种模板图像的匹配装置，包括：
图像获取单元，用于获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔，所述模板图像金字塔与所述搜索图像金字塔的图像层数相同；
像素块确定单元，用于在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块；
像素块对比单元，用于将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域；
目标区域匹配单元，用于根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
可选地，确定采样点对应的特征像素块的过程，包括：
确定所述采样像素点及周围八个像素点组成的正方形的像素块；
若所述像素块的四条边上至少存在一条边的三个像素点，与所述像素块外且相邻的像素点的像素差绝对值高于预设的分割阈值的个数达到预设个数，则将所述像素块确定为特征像素块。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现上述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现上述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明先获取灰度化处理后的模板图像及其图像金字塔，并获取灰度化处理后的搜索图像及其图像金字塔，两个图像金字塔的图像层数相同；在模板图像金字塔的第一顶层图像与搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块，划分出特征像素块，进而基于特征像素块进行对比，而无须将整张图像进行对比，极大减少了运算量，实现精准快速地确定模板图像在搜索图像中的匹配区域；将第一顶层图像的特征像素块与第二顶层图像的特征像素块进行对比，得到在第二顶层图像中与第一顶层图像相似度最高的顶层匹配区域；根据顶层匹配区域在搜索图像金字塔除顶层图像外的各层图像进行逐层对比，根据特征像素块逐层向下搜索对比，可以一定程度上抵抗光照噪声的影响，直至在搜索图像金字塔的底层图像中确定与模板图像金字塔的底层图像相似度最高的底层匹配区域，作为模板图像在搜索图像上的目标匹配区域。
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例，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为本发明实施例提供的一种模板图像的匹配方法的流程示意图；
图2为本发明实施例提供的一种模板图像的匹配装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
参照图1，本发明实施例提供了一种模板图像的匹配方法，具体包括以下步骤：
步骤S100：获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔。
具体的，可以获取灰度处理后的模板图像，进而以模板图像构建图像金字塔；同样的，可以获取灰度化处理后的搜索图像，并以搜索图像构建图像金字塔。其中，模板图像金字塔与搜索图像金字塔的图像层数可以相同。
步骤S110：在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块。
具体的，可以将模板图像金字塔的顶层图像作为第一顶层图像，搜索图像金字塔的顶层图像可以作为第二顶层图像，进而按照设定的采样间隔，分别在第一顶层图像与第二顶层图像上确定多个采样像素点。
然后，再依据设定的特征块形成条件，确定每个采样点的特征像素块。
进一步，模板图像金字塔与搜索图像金字塔各层对应的两张图像，也可以按照设定的采样间隔确定采样点与特征像素块，再进行后续对比。
需要说明的是，采样间隔可以是用户根据实际情况进行设定的，在一种可选的实施方式下，可以在匹配过程前提前确定搜索图的特征像素块情况，并对搜索图的每一个像素点进行判断能否形成特征像素块，此情况下搜索图的采样间隔可以是1，即搜索图的每个像素点均可以作为采样像素点，进而可以确定每个采样像素点是否能形成特征像素块；而模板图的采样间隔可由具体情况而定。若在匹配过程中需要判断搜索图的搜索区域和模板图的二者特征像素块情况，两者的采样间隔可以一致，以便搜索图的搜索区域和模板图的特征像素块能一一对应。
步骤S120：将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域。
具体的，可以将第一顶层图像与第二顶层图像从上到下，从左到右进行特征像素块的对比，进而可以在第二顶层图像中确定与第一顶层图像相似度最高的区域，作为顶层匹配区域。
步骤S130：根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
具体的，图像金字塔各层图像的对比过程可以参照上述顶层图像的对比过程，而对于每一层搜索图像，其与模板图像对比的区域可以根据上一层的匹配区域来确定。
经过逐层对比后，可以在搜索图像金字塔的底层图像中，确定与模板图像金字塔的底层图像相似度最高的匹配区域，底层图像上的匹配区域可以作为模板图像在搜索图像上的目标匹配区域。
在本申请的一些实施例中，介绍了上述步骤S110，按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块的过程，接下来将对确定各个特征像素块的过程作详细说明。
具体的，可以包括以下步骤：
S1、确定所述采样像素点及周围八个像素点组成的正方形的像素块。
具体的，由于每个像素点都是正方形的，采样像素点及其周围的八个像素点可以组成一个大的正方形像素块。
S2、若所述像素块的四条边上至少存在一条边的三个像素点，且三个像素点中与目标像素点之间的像素差绝对值高于预设的分割阈值的像素点达到预设个数，则将所述像素块确定为特征像素块。
具体的，分割阈值的大小可以决定生成特征块的多少，分割阈值越大，生成的特征块便越少，分割阈值越小，生成的特征块便越多。
对模板图和搜索图应用后，分割阈值的大小可以决定二者生成特征块的数量。
由于，两个图像金字塔的顶层图像中，像素比较少且像素值差距小，为了确保生成数量足够的特征块以此提高匹配的准确率，顶层图像的分割阈值可以设定得较小，而在越靠近底层的图像中，图像像素越多且像素值差距大。每一层图像可以设置不同的分割阈值，以生成数量合理的特征块。
确定分割阈值后，模板图像和搜索图像上均可以得到多个像素块，对于每个像素块，当其四条边上至少存在一条边满足设定的特征条件后，可以将该像素块确定为特征像素块。
上述设定的特征条件可以包括：像素块上一条边上存在三个像素点，且三个像素点中与目标像素点之间的像素差绝对值高于预设的分割阈值的个数达到预设个数。
需要说明的是，目标像素点可以是位于像素块之外，且目标像素点与像素块相邻。另外，一条边上的三个像素点各自对应的三个目标像素点可以是同一直线上的。
此外，特征像素块的大小可以不仅限于以三个像素点为一条边的正方形区域，也可以是以其它数量的像素点作为一条边的正方形区域，示例如：以五个像素点或七个像素点为一条边的正方形区域，以及其它数量像素点的边组成的正方形区域。
为了更详细地说明确定特征像素块的过程，接下来以具体实例进行介绍。
具体的，假设顶层图像对应的分割阈值为5，预设个数为2。若某个像素块上四条边至少存在至少一条以上的边，该边上的三个像素点与各自对应的目标像素点之间的像素差绝对值超过5的个数达到2，或2以上(即3个)，那么该像素块可以确定为特征像素块。
在本发明的一些实施例中，介绍了上述步骤S120，将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比的过程，接下来将对特征像素块对比的过程作进一步说明。
具体的，可以包括以下步骤：
S1、在所述第二顶层图像中确定与所述第一顶层图像范围大小相同的多个第一搜索区域。
具体的，搜索图像一般比模板图像大，因此可以将搜索图像划分成多个第一搜索区域，每个第一搜索区域的范围大小可以与第一顶层图像的范围相同。
S2、针对每个所述第一搜索区域，将所述第一顶层图像的每个特征像素块与所述第一搜索区域上对应位置的特征像素块进行对比。
具体的，由于第一搜索区域的范围大小可以与第一顶层图像相同，对于相同位置处的特征像素块可以进行意义对比，进而将所有特征像素块的对比结果汇总，得到第一顶层图像与各个第一搜索区域的相似度。
若第一顶层图像上或某个第一搜索区域存在一些位置没有生成特征像素块，那么该位置可以不进行对比，可以在第一顶层图像与第一搜索区域在相同位置处均生成特征像素块时再进行对比。
接下来对计算特征像素块之间的相似度的过程作说明。
具体的，模板图像的特征像素块与搜索图像对应位置的特征像素块的相似度的计算公式可以表示如下：
Figure BDA0003895352010000071
其中，L表示模板图像的特征像素块与搜索图像对应位置的特征像素块的相似度，t表示模板图像上的特征像素块中采样像素点的像素值，t1表示模板图像上的特征像素块中除采样像素点外的像素点的像素值，s表示搜索图像上的特征像素块中采样像素点的像素值，s1表示搜索图像上的特征像素块中除采样像素点外的像素点的像素值。
由于除采样像素点外周围存在八个像素点，因此模板图像上的特征像素块可以与搜索图像上的特征像素块对比八次，每次对比相同位置处的像素点，若符合上式中两种情况的一种，则相似度加1，若八个像素点都符合上式中两种情况的一种，那么相似度加8。
进一步，顶层图像的对比结束后，可以得到顶层匹配区域，基于顶层匹配区域进行逐层对比的过程可以包括以下步骤：
S1、确定上一层搜索图像的匹配区域中，预设的参考点的参考坐标。
具体的，上一层的匹配区域中预设的参考点可以是匹配区域内的任意一点，示例如：匹配区域左上角的像素点，匹配区域的中心像素点等，以及其它可选参考点。一种可选的实施例方式下，本发明实施例以匹配区域左上角的像素点作为参考点。
S2、根据所述参考坐标确定本层搜索图像的第二搜索区域。
具体的，上一层的匹配区域是上一层图像中与模板图像相似度最高的区域，那么可以根据上一层匹配区域的参考点坐标确定本层的搜索区域。进而可以将本层图像中，以参考点为中心的设定范围内的区域作为第二搜索区域。
本发明实施例可以将参考点坐标放大两倍，并以放大后的坐标为中心，将设定范围内的区域作为第二搜索区域，其中，设定范围示例如：以放大后的坐标为中心，每条边由5个像素点组成的正方形区域，该区域的范围大小可以记为5*5，以此类推，第二搜索区域的范围大小还可以是7*7，8*8等。
S3、将与本层搜索图像对应的模板图像上的特征像素块，与所述第二搜索区域上的特征像素块进行对比。
具体的，特征像素块的对比过程可以参照上述顶层图像的特征像素块的对比过程，此处不再赘述。
本发明以不同的分割阈值将不同图层的图像划分为数量不同的特征像素块，根据特征像素块进行对比，并可以得到特征像素块之间的相似度，相较于现有的所有像素点都进行对比可以明显提升对比过程的速度，实现高效匹配。
接下来将以具体实例说明本发明的模板匹配过程。
Step1：载入模板图像与搜索图像，并将模板图像和搜索图像转为灰度图像。
Step2：设置图像金字塔层数，对模板图像与搜索图像使用图像金字塔技术，于本实施例中，金字塔层数设定为4。
Step3：设定合理的分割阈值。分割阈值决定了模板图和搜索图各自特征块的生成难易程度，若设定的阈值低，生成的特征块多，影响匹配速度，若设定的阈值高，生成的特征块个数少，影响匹配的准确度，又因为在图像金字塔上，接近金字塔的顶层图像的图像且包括金字塔顶层的图像像素少且像素大小差距较原始图像小，而接近金字塔的底层图像且包括金字塔底层的图像像素多且像素大小差距大，即越靠近底层图像则越接近原始图像，底层图像与原始图像完全一致，因此分割阈值要自顶层向下要设置的越来越高。同时要设定特征块合理的生成条件，即边上的像素值与外边像素值差值的绝对值超过分割阈值方能生成特征块的个数要合理，若设定的个数少，生成的特征块多，则影响匹配速度，若设定的个数多，生成的特征块个数少，影响匹配的准确度，本实施例中设定的个数为2。于本实施例中从图像的底层到图像的顶层的分割阈值分别设定为25、15、10、5。
Step4：开始搜索匹配，将模板图像与搜索图像从上到下、从左到右进行比对，以本实施例3*3特征块而言，具体计算相似度方式如下：
1)间隔采样，采样间隔设定为4；
2)以采样像素点为中心的正方形，具体大小是3*3；
以采样像素点为中心的3*3正方形像素块的边上的三个像素点与正方形外面的像素进行比较，具体可以包括：若四条边上至少有一条边的三个像素点与外边的三个像素点的像素差的绝对值高于该图层的分割阈值的个数达到预设个数或者以上，则以采样像素点为中心且大小为3*3的九个像素当成一个特征像素块，其中本实施例中预设个数为2。若采样像素点可以在模板图像和搜索图像上同时形成特征块，则再进行下一步相似度的度量，否则便移动到下一个采样点进行计算相似度。
3)若采样点在搜索图像上和模板图像上都能形成像素块，则相似度的度量公式如下：
Figure BDA0003895352010000081
其中L代表着两个特征像素块的相似度。本实施例中是3*3采样，若模板图特征块与搜索图对应特征像素块完全相同，则该特征像素块的相似度为8，若完全不相关，则相似度为0。t1和s1分别代表着模板图和搜索图的搜索区域上除采样点外周围的各个像素点。t1和s1于本实施例中，代表着除采样像素点外的八个像素点。
4)最后可以将所有特征像素块的相似度求和，便是模板图像与搜索图像的搜索区域最终的相似度大小，具体公式如下：
n＝∑L
n代表着该区域最终相似度大小。
Step5：找出顶层图像最大相似度区域的左上角坐标，向下一层图像传递。
Step6：由上一层图像的运算结果得出新坐标，具体公式如下：
(Xnew,Ynew)＝(2*Xold,2*Yold)
其中Xold与Yold代表着上一层图像匹配区域参考点的横纵坐标，Xnew与Ynew代表着下一层图像搜索区域的横纵坐标，以该新坐标为中心5*5的范围内作搜索匹配，具体计算方式是Step4的方法步骤，提取出图像的特征像素块，在对应特征像素块上计算相似度。
Step7:计算出底层图像的最大相似度的匹配区域的参考点坐标，并将该匹配区域标记为目标匹配区域，模板匹配结束。
参照图2，本发明实施例提供了一种模板图像的匹配装置，包括：
图像获取单元，用于获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔，所述模板图像金字塔与所述搜索图像金字塔的图像层数相同；
像素块确定单元，用于在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块；
像素块对比单元，用于将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域；
目标区域匹配单元，用于根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (10)

1.一种模板图像的匹配方法，其特征在于，包括：
获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔，所述模板图像金字塔与所述搜索图像金字塔的图像层数相同；
在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块；
将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域；
根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
2.根据权利要求1所述的模板图像的匹配方法，其特征在于，确定采样点对应的特征像素块的过程，包括：
确定所述采样像素点及周围八个像素点组成的正方形的像素块；
若所述像素块的四条边上至少存在一条边的三个像素点，且三个像素点中与目标像素点之间的像素差绝对值高于预设的分割阈值的像素点达到预设个数，则将所述像素块确定为特征像素块；
其中，所述目标像素点位于所述像素块之外，且所述目标像素点与所述像素块相邻。
3.根据权利要求1所述的模板图像的匹配方法，其特征在于，所述将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，包括：
在所述第二顶层图像中确定与所述第一顶层图像范围大小相同的多个第一搜索区域；
针对每个所述第一搜索区域，将所述第一顶层图像的每个特征像素块与所述第一搜索区域上对应位置的特征像素块进行对比。
4.根据权利要求1所述的模板图像的匹配方法，其特征在于，在所述搜索图像金字塔除顶层图像外的每层图像进行对比的过程，包括：
确定上一层搜索图像的匹配区域中，预设的参考点的参考坐标；
根据所述参考坐标确定本层搜索图像的第二搜索区域；
将与本层搜索图像对应的模板图像上的特征像素块，与所述第二搜索区域上的特征像素块进行对比。
5.根据权利要求1-4任一项所述的模板图像的匹配方法，其特征在于，所述模板图像的特征像素块与所述搜索图像对应位置的特征像素块的相似度的计算公式为：
Figure FDA0003895351000000021
其中，L表示模板图像的特征像素块与所述搜索图像对应位置的特征像素块的相似度，t表示所述模板图像上的特征像素块中采样像素点的像素值，t1表示所述模板图像上的特征像素块中除采样像素点外的像素点的像素值，s表示所述搜索图像上的特征像素块中采样像素点的像素值，s1表示所述搜索图像上的特征像素块中除采样像素点外的像素点的像素值。
6.一种模板图像的匹配装置，其特征在于，包括：
图像获取单元，用于获取模板图像的灰度、以所述模板图像的灰度生成的模板图像金字塔、搜索图像的灰度及以所述搜索图像的灰度生成的搜索图像金字塔，所述模板图像金字塔与所述搜索图像金字塔的图像层数相同；
像素块确定单元，用于在所述模板图像金字塔的第一顶层图像与所述搜索图像金字塔的第二顶层图像中，分别按照设定的采样间隔确定多个采样像素点及每个采样像素点对应的特征像素块；
像素块对比单元，用于将所述第一顶层图像的特征像素块与所述第二顶层图像的特征像素块进行对比，得到在所述第二顶层图像中与所述第一顶层图像相似度最高的顶层匹配区域；
目标区域匹配单元，用于根据所述顶层匹配区域在所述搜索图像金字塔除顶层图像外的各层图像进行逐层对比，直至在所述搜索图像金字塔的底层图像中确定与所述模板图像金字塔的底层图像相似度最高的底层匹配区域，作为所述模板图像在所述搜索图像上的目标匹配区域。
7.根据权利要求6所述的模板图像的匹配装置，其特征在于，确定采样点对应的特征像素块的过程，包括：
确定所述采样像素点及周围八个像素点组成的正方形的像素块；
若所述像素块的四条边上至少存在一条边的三个像素点，与所述像素块外且相邻的像素点的像素差绝对值高于预设的分割阈值的个数达到预设个数，则将所述像素块确定为特征像素块。
8.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1至5中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至5中任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
CN202211271962.1A 2022-10-18 2022-10-18 一种模板图像的匹配方法、装置、电子设备及存储介质 Pending CN115601570A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211271962.1A CN115601570A (zh) 2022-10-18 2022-10-18 一种模板图像的匹配方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211271962.1A CN115601570A (zh) 2022-10-18 2022-10-18 一种模板图像的匹配方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115601570A true CN115601570A (zh) 2023-01-13

Family

ID=84846429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211271962.1A Pending CN115601570A (zh) 2022-10-18 2022-10-18 一种模板图像的匹配方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115601570A (zh)

Similar Documents

Publication Publication Date Title
CN109948684B (zh) 激光雷达点云数据标注质量的质检方法、装置及设备
WO2018068600A1 (zh) 图像处理方法及系统
CN111369495B (zh) 一种基于视频的全景图像的变化检测方法
US20140270362A1 (en) Fast edge-based object relocalization and detection using contextual filtering
CN109300104B (zh) 角点检测方法、装置
CN109948683B (zh) 点云数据的难易度划分方法、装置及其相关设备
JP2014228357A (ja) ひび割れ検出方法
CN111783573B (zh) 一种远光灯检测方法、装置及设备
CN113658192A (zh) 一种多目标行人的轨迹获取方法、系统、装置及介质
CN110942473A (zh) 一种基于特征点网格化匹配的运动目标跟踪检测方法
CN111523341B (zh) 二维码图像的二值化方法及设备
CN114170212A (zh) 一种基于ct影像中肺小结节假阳检测方法及系统
CN110349188A (zh) 基于tsk模糊模型的多目标跟踪方法、装置及存储介质
CN111027474B (zh) 人脸区域获取方法、装置、终端设备和存储介质
CN115564710A (zh) 基于lk光流法的火灾烟雾检测方法、装置及存储介质
Lecca et al. Comprehensive evaluation of image enhancement for unsupervised image description and matching
US8306332B2 (en) Image search method and device
US8908912B2 (en) Particle tracking methods
CN109784328B (zh) 定位条码的方法、终端及计算机可读存储介质
CN111652277A (zh) 假阳性过滤方法、电子装置及计算机可读存储介质
CN115601570A (zh) 一种模板图像的匹配方法、装置、电子设备及存储介质
CN111126286A (zh) 车辆动态检测方法、装置、计算机设备及存储介质
KR101569165B1 (ko) 소실점 검출 방법 및 장치
US11645827B2 (en) Detection method and device for assembly body multi-view change based on feature matching
CN111784634B (zh) 一种基于Harris-CPDA的角点检测方法

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