CN116109847A - 一种图像匹配方法、装置、电子设备及可读存储介质 - Google Patents

一种图像匹配方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116109847A
CN116109847A CN202211640908.XA CN202211640908A CN116109847A CN 116109847 A CN116109847 A CN 116109847A CN 202211640908 A CN202211640908 A CN 202211640908A CN 116109847 A CN116109847 A CN 116109847A
Authority
CN
China
Prior art keywords
image
matched
gray
preset template
sliding window
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
CN202211640908.XA
Other languages
English (en)
Inventor
田松
戴斌
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.)
Suzhou Mega Technology Co Ltd
Original Assignee
Suzhou Mega 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 Suzhou Mega Technology Co Ltd filed Critical Suzhou Mega Technology Co Ltd
Priority to CN202211640908.XA priority Critical patent/CN116109847A/zh
Publication of CN116109847A publication Critical patent/CN116109847A/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
    • G06V10/75—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (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

本申请公开了一种图像匹配方法、装置、电子设备及可读存储介质，可应用于图像检测领域。该方法包括：对待匹配图像中的边缘信息进行图像增强处理，得到第一图像；对所述第一图像进行二值化处理，得到第二图像；判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。可见，本申请中的图像匹配方法，通过待匹配图像与模板图像进行特征匹配之前，先对待匹配图像进行图像处理后再与模板灰度特征进行匹配，可以减少漏检或匹配不准确情况的发生，使图像中的特征图案更加准确地与模板匹配。

Description

一种图像匹配方法、装置、电子设备及可读存储介质
技术领域
本申请涉及图像检测技术领域，尤其涉及一种图像匹配方法、装置、电子设备及可读存储介质。
背景技术
在对半导体晶圆进行切割时，半导体晶圆的正面上具有相互交叉的多条切割道，多条切割道所划分的各区域内形成器件，当沿着切割道对晶圆进行分割时，即可得到各个器件芯片。在确定切割道位置时，需要找到一个特征图案，利用该特征图案与切割道位置的偏差，即可实现对切割道位置的定位。因此，特征图案的准确获取是保证切割道位置定位准确的前提。
在现有技术中，通常使用模板与带有特征图案的图像进行匹配，当图像中的特征图案边缘轮廓比较模糊，或者特征图案内部噪声比较大时，往往使得图像中的特征图案与模板匹配时不够准确。由此，如何设计出一种可以使图像中的特征图案准确地与模板进行匹配的方法成为本领域亟需解决的技术问题。
发明内容
有鉴于此，本申请实施例提供了一种图像匹配方法、装置、电子设备及可读存储介质，旨在达到使图像中的特征图案更加准确地与模板匹配的要求。
第一方面，本申请实施例提供了一种图像匹配方法，该方法包括：
对待匹配图像中的边缘信息进行图像增强处理，得到第一图像；
对所述第一图像进行二值化处理，得到第二图像；
判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
可选的，在判断所述第二图像中是否包含与预设的模板图像相同的灰度特征前，所述方法还包括：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
可选的，所述对待匹配图像中的边缘信息进行图像增强处理，包括：
将预设的滑动窗在所述对待匹配图像中以单个像素尺寸为步长进行移动；
根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心点的像素的灰度值。
可选的，所述根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心的像素的灰度值，包括：
获取位于当前滑动窗内所有像素的灰度值；
将所述灰度值中的最大值与最小值的差值作为位于当前滑动窗的中心的像素的灰度值。
可选的，在对第一图像和第三图像进行二值化之前，所述方法还包括：
对待二值化处理的图像中的前景区域进行开闭运算和边缘轮廓填充。
可选的，在对待匹配图像和预设的模板图像中的边缘信息进行增强处理之前，所述方法还包括：
对待增强处理的图像进行均值滤波处理。
第二方面，本申请实施例提供了一种图像匹配装置，该装置包括：
图像增强模块，用于对待匹配图像中的边缘信息进行图像增强处理，得到第一图像；
图像二值化模块，用于对所述第一图像进行二值化处理，得到第二图像；
图像匹配模块，用于判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
可选的，所述装置还包括模板处理模块，用于：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
第三方面，本申请实施例提供了一种用于图像匹配的电子设备，该电子设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现前述的图像匹配方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述的图像匹配方法。
本申请实施例提供了一种图像匹配方法，包括：对待匹配图像中的边缘信息进行图像增强处理，得到第一图像。对第一图像进行二值化，得到第二图像。判断第二图像中是否包含与预设的模板图像相同的灰度特征，若第二图像中包含与预设的模板图像相同的灰度特征，则待匹配图像与模板图像匹配。可见，本申请中的图像匹配方法，通过待匹配图像与模板图像进行特征匹配之前，先对待匹配图像进行图像处理后再与模板灰度特征进行匹配，可以减少漏检或匹配不准确情况的发生，使图像中的特征图案更加准确地与模板匹配。
此外，本申请还提供了一种图像匹配装置、电子设备及可读存储介质，其技术效果与上述方法相对应，这里不再赘述。
附图说明
为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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为本申请实施例提供的图像匹配方法的一种方法流程图；
图2为本申请实施例提供的图像匹配方法的效果图；
图3为本申请实施例提供的图像匹配装置的一种结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
半导体晶圆的正面上具有相互交叉的多条切割道，多条切割道所划分的各区域内形成器件，当沿着切割道对晶圆进行分割时，即可得到各个器件芯片。在确定切割道位置时，需要找到一个特征图案，利用该特征图案与切割道位置的偏差，即可实现对切割道位置的定位。因此，特征图案的准确获取是保证切割道位置定位准确的前提。然而，当特征边缘轮廓比较模糊，或者内部图像噪声比较大时，往往无法实现准确匹配。
本申请实施例提供一种文图像匹配方法，该方法的方法流程图如图1所示，包括如下步骤：
S10，对待匹配图像中的边缘信息进行图像增强处理，得到第一图像。
将匹配图像的边缘信息进行图像增强处理，使边缘信息可以得到增强、更加清晰，以便后续可以和模板进行匹配，将处理后的图像作为第一图像。
S20，对所述第一图像进行二值化处理，得到第二图像。
将第一图像进行二值化，相当于将第一图像变为灰度图像，将得到的灰度图像作为第二图像。其目的是使得第一图像更加方便识别。
S30，判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
比对第二图像是否包含预设的模板图像相同的灰度特征，通过步骤S10进行的图像增强处理，可以使其灰度特征可在一定程度上附带边缘轮廓等信息，从而在后续进行灰度特征匹配时，能够减少漏检、匹配不准确等现象的发生。
可见，本申请中的图像匹配方法，通过待匹配图像与模板图像进行特征匹配之前，先对待匹配图像进行图像处理后再与模板灰度特征进行匹配，可以减少漏检或匹配不准确情况的发生，使图像中的特征图案更加准确地与模板匹配。
在一些具体实施例中，在步骤S30前，所述图像匹配方法还包括：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
对于模板图像如待测图像相同，在得到模板灰度特征之前，需要先对模板图像进行图像增强处理以增强模板图像中的边缘信息，之后再进行二值化处理，这样可以使得最终得到的第四图像中的灰度特征能够体现特征的边缘轮廓等信息，提升边缘轮廓清晰度，降低内部图像噪声。
在一些具体实施例中，步骤S10具体包括：
将预设的滑动窗在所述对待匹配图像中以单个像素尺寸为步长进行移动；根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心点的像素的灰度值。
设定滑动窗，使所述滑动窗在目标图像中逐行以单个像素距离为步长依次进行移动，根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心的像素的灰度值，其中，所述目标图像为待匹配图像或所述模板图像。
具体来说，对于一张图像而言，通过设定一个滑动窗，然后使移动窗在图像中进行移动，移动的规则为：在行方向上以单个像素距离为步长逐次进行移动，当该行像素遍历结束后，移动至下一行，再次在行方向上一单个像素距离为步长逐次进行移动，直至遍历所有像素；其中，在每一次移动之后，根据位于滑动窗内的像素的灰度值来确定并修改位于滑动窗的中心的像素的灰度值。例如：滑动窗呈矩形，滑动窗内包含多个像素，例如：9个、16个等等，使得中心的像素更贴近与周围的像素，使得像素之间的过渡更加平滑。通过这样的方式，可以增强特征边缘轮廓的清晰度，降低特征内部的图像噪声。
获取位于当前滑动窗内所有像素的灰度值，将所述灰度值中的最大值与最小值的差值作为位于当前滑动窗的中心的像素的灰度值。
将位于所述滑动窗内的像素的最大灰度值与最小灰度值的差值作为位于所述滑动窗的中心的像素的灰度值。并且在修改位于滑动窗的中心的像素的灰度值时，计算滑动窗内的所有像素中的最大灰度值和最小灰度值的差值，将该差值作为滑动窗的中心的像素的灰度值。通过这样的方式，可以凸显特征的边缘轮廓信息，使得后续特征匹配更加准确。例如：当前滑动窗具有9个像素点，即需要检测出周围8个像素中的灰度最大值和最小值的差值，将中心像素的差值作为滑动窗的中心的像素的灰度值。
其目的是强化边缘信息，例如：当前滑动窗非中心像素周围8给像素灰度最大值为90，而灰度最小值20，那么当前滑动窗的中心像素应对应调整为70。通过多次调整更加显特征的边缘轮廓信息。
在一些具体实施例中，在对第一图像和第三图像进行二值化之前，所述图像匹配方法还包括：
对待二值化处理的图像中的前景区域进行开闭运算和边缘轮廓填充。
对图像中的前景区域进行开闭运算和边缘轮廓填充。通过对图像(包括待匹配图像、模板图像)中的前景区域进行开闭运算和边缘轮廓填充，可以使得特征的边缘轮廓清晰完整，从而保留更多的边缘信息。
在一些具体实施例中，在对待匹配图像和预设的模板图像中的边缘信息进行增强处理之前，所述图像匹配方法还包括：
对待增强处理的图像进行均值滤波处理。
对图像进行均值滤波处理。由此，可以将图像中的一些高频信号去掉，消除图像尖锐噪声，实现图像平滑，模糊等功能。
应用于具体场景：
结合如图2所示的本申请实施例提供的图像匹配方法的效果图，图像匹配方法应用于具体场景为：
图2中的A为待匹配图像，其中外圈的星形轮廓及为待匹配图像的边缘信息，而在星形中的黑白相间的斑点，则是图像中的噪点。
对A进行均值滤波处理得到图2中的B，将图像中的一些高频信号去掉，消除图像尖锐噪声。
对B进行二值化，并利用滑动窗进行检测，得到图2中的C；
最终调整为图2中的D的状态，以便提取灰度特征。
将处于当前状态的待匹配图片与模板特征对应匹配，找到对应的星形模板，其中模板的灰度特征也由与步骤S10-S20相同的步骤提取。
待匹配图像中的边缘信息(星形图案)得到增强，将A与D进行对比，可以非常直观的看到星形内部的噪点从清晰变为模糊再变为没有，从密集到稀松，最终达到与模板匹配的目的，由此可以提高匹配的准确度。
基于上述实施例提供的图像匹配方法，本申请实施例则提供一种执行上述图像匹配的装置。该图像匹配装置的结构示意图如图3所示，图像匹配装置包括：
图像增强模块10，用于对待匹配图像中的边缘信息进行图像增强处理，得到第一图像。
将匹配图像的边缘信息进行图像增强处理，使边缘信息可以得到增强、更加清晰，以便后续可以和模板进行匹配，将处理后的图像作为第一图像。
图像二值化模块20，用于对所述第一图像进行二值化处理，得到第二图像。
将第一图像进行二值化，相当于将第一图像变为灰度图像，将得到的灰度图像作为第二图像。其目的是使得第一图像更加方便识别。
图像匹配模块30，用于判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
比对第二图像是否包含预设的模板图像相同的灰度特征，通过图像增强模块10进行的图像增强处理，可以使其灰度特征可在一定程度上附带边缘轮廓等信息，从而在后续进行灰度特征匹配时，能够减少漏检、匹配不准确等现象的发生。
在一些具体实施例中，所述文本图像篡改检测装置还包括：
模板处理模块，用于：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
对于模板图像如待测图像相同，在得到模板灰度特征之前，需要先对模板图像进行图像增强处理以增强模板图像中的边缘信息，之后再进行二值化处理，这样可以使得最终得到的第四图像中的灰度特征能够体现特征的边缘轮廓等信息，提升边缘轮廓清晰度，降低内部图像噪声。
在一些具体实施例中，图像增强模块10具体用于：
将预设的滑动窗在所述对待匹配图像中以单个像素尺寸为步长进行移动；根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心点的像素的灰度值。
设定滑动窗，使所述滑动窗在目标图像中逐行以单个像素距离为步长依次进行移动，根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心的像素的灰度值，其中，所述目标图像为待匹配图像或所述模板图像。
具体来说，对于一张图像而言，通过设定一个滑动窗，然后使移动窗在图像中进行移动，移动的规则为：在行方向上以单个像素距离为步长逐次进行移动，当该行像素遍历结束后，移动至下一行，再次在行方向上一单个像素距离为步长逐次进行移动，直至遍历所有像素。
获取位于当前滑动窗内所有像素的灰度值，将所述灰度值中的最大值与最小值的差值作为位于当前滑动窗的中心的像素的灰度值。
将位于所述滑动窗内的像素的最大灰度值与最小灰度值的差值作为位于所述滑动窗的中心的像素的灰度值。并且在修改位于滑动窗的中心的像素的灰度值时，计算滑动窗内的所有像素中的最大灰度值和最小灰度值的差值，将该差值作为滑动窗的中心的像素的灰度值。通过这样的方式，可以凸显特征的边缘轮廓信息，使得后续特征匹配更加准确。其目的是强化边缘信息，通过多次调整更加显特征的边缘轮廓信息。
在一些具体实施例中，图像二值化模块20在对第一图像和第三图像进行二值化之前，所述图像匹配装置还用于：
对待二值化处理的图像中的前景区域进行开闭运算和边缘轮廓填充。
对图像中的前景区域进行开闭运算和边缘轮廓填充。通过对图像(包括待匹配图像、模板图像)中的前景区域进行开闭运算和边缘轮廓填充，可以使得特征的边缘轮廓清晰完整，从而保留更多的边缘信息。
在一些具体实施例中，图像增强模块10在对待匹配图像和预设的模板图像中的边缘信息进行增强处理之前，所述图像匹配装置还用于：
对待增强处理的图像进行均值滤波处理。
对图像进行均值滤波处理。由此，可以将图像中的一些高频信号去掉，消除图像尖锐噪声，实现图像平滑，模糊等功能。
另外，本申请实施例还公开了一种用于像素尺寸确定的电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如前述的像素尺寸确定方法。
另外，本发明实施例还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述的像素尺寸确定的处理方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上对本申请所提供的方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种图像匹配方法，其特征在于，所述方法包括：
对待匹配图像中的边缘信息进行图像增强处理，得到第一图像；
对所述第一图像进行二值化处理，得到第二图像；
判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
2.根据权利要求1所述的方法，其特征在于，在判断所述第二图像中是否包含与预设的模板图像相同的灰度特征前，所述方法还包括：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
3.根据权利要求1所述的方法，其特征在于，所述对待匹配图像中的边缘信息进行图像增强处理，包括：
将预设的滑动窗在所述对待匹配图像中以单个像素尺寸为步长进行移动；
根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心点的像素的灰度值。
4.根据权利要求3所述的方法，其特征在于，所述根据每次位于所述滑动窗内的像素的灰度值，修改位于所述滑动窗的中心的像素的灰度值，包括：
获取位于当前滑动窗内所有像素的灰度值；
将所述灰度值中的最大值与最小值的差值作为位于当前滑动窗的中心的像素的灰度值。
5.根据权利要求2所述的方法，其特征在于，在对第一图像和第三图像进行二值化之前，所述方法还包括：
对待二值化处理的图像中的前景区域进行开闭运算和边缘轮廓填充。
6.根据权利要求2所述的方法，其特征在于，在对待匹配图像和预设的模板图像中的边缘信息进行增强处理之前，所述方法还包括：
对待增强处理的图像进行均值滤波处理。
7.一种图像匹配装置，其特征在于，所述装置包括：
图像增强模块，用于对待匹配图像中的边缘信息进行图像增强处理，得到第一图像；
图像二值化模块，用于对所述第一图像进行二值化处理，得到第二图像；
图像匹配模块，用于判断所述第二图像中是否包含与预设的模板图像相同的灰度特征，若所述第二图像中包含与所述预设的模板图像相同的灰度特征，则确定所述待匹配图像与所述预设的模板图像匹配。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括模板处理模块，用于：
对预设的模板图像中的边缘信息进行图像增强处理，得到第三图像；
对所述第三图像进行二值化，得到第四图像；
对所述第四图像进行灰度特征提取，得到所述预设的模板图像的灰度特征。
9.一种用于图像匹配的电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至6任一项所述的图像匹配方法。
10.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像匹配方法。
CN202211640908.XA 2022-12-20 2022-12-20 一种图像匹配方法、装置、电子设备及可读存储介质 Pending CN116109847A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211640908.XA CN116109847A (zh) 2022-12-20 2022-12-20 一种图像匹配方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211640908.XA CN116109847A (zh) 2022-12-20 2022-12-20 一种图像匹配方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116109847A true CN116109847A (zh) 2023-05-12

Family

ID=86257274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211640908.XA Pending CN116109847A (zh) 2022-12-20 2022-12-20 一种图像匹配方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116109847A (zh)

Similar Documents

Publication Publication Date Title
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
JP4891712B2 (ja) 類似度分布を利用したテンプレートマッチング方法を用いた検査装置
EP3176751B1 (en) Information processing device, information processing method, computer-readable recording medium, and inspection system
JP4518139B2 (ja) 画像処理装置
JP2001133418A (ja) 形状特徴に基づく欠陥検出の方法及び装置
KR20090066212A (ko) 결함 검출 방법 및 결함 검출 장치
EP3067830A1 (en) Complex background-oriented optical character recognition method and device
CN112614062A (zh) 菌落计数方法、装置及计算机存储介质
JP2009259036A (ja) 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム
TW201432620A (zh) 具有邊緣選擇功能性之影像處理器
EP3510526B1 (en) Particle boundary identification
CN113609984A (zh) 一种指针式仪表读数识别方法、装置及电子设备
CN108960247B (zh) 图像显著性检测方法、装置以及电子设备
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN111105427A (zh) 一种基于连通区域分析的肺部图像分割方法及系统
CN109087347B (zh) 一种图像处理方法及装置
JP5772675B2 (ja) 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム
CN117392178A (zh) 一种铺粉增材制造过程熔池的运动特征提取方法及装置
CN113283439A (zh) 基于图像识别的智能计数方法、装置及系统
CN110349129B (zh) 一种高密度柔性ic基板外观缺陷检测方法
JP2016053763A (ja) 画像処理装置、画像処理方法及びプログラム
CN116109847A (zh) 一种图像匹配方法、装置、电子设备及可读存储介质
CN114627113B (zh) 一种印制电路板缺陷检测方法及系统及装置及介质
CN113744200B (zh) 一种摄像头脏污检测方法、装置及设备
JP2009157701A (ja) 画像処理方法及び画像処理装置

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