CN117746070A - 一种自抗离焦模糊的灰度模板匹配方法及系统 - Google Patents
一种自抗离焦模糊的灰度模板匹配方法及系统 Download PDFInfo
- Publication number
- CN117746070A CN117746070A CN202311553678.8A CN202311553678A CN117746070A CN 117746070 A CN117746070 A CN 117746070A CN 202311553678 A CN202311553678 A CN 202311553678A CN 117746070 A CN117746070 A CN 117746070A
- Authority
- CN
- China
- Prior art keywords
- template
- image
- detected
- blurred
- gray scale
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 238000013441 quality evaluation Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 39
- 238000001514 detection method Methods 0.000 claims description 18
- 238000005286 illumination Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种自抗离焦模糊的灰度模板匹配方法及系统,包括以下步骤:S1、获取符合预设图像质量评价指标的待检测图像;S2、选取待检测图像的若干区域作为第一模板,将其中符合预设模板评估分数的第一模板作为第二模板;S3、对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集;S4、计算待检测图像的清晰度评价值和模糊模板集的清晰度评价值,选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配。本申请与传统技术相比,能够根据图像离焦程度自适应调节模板,减小离焦模糊带来的误差影响。
Description
技术领域
本发明涉及图像识别技术领域,更具体地,涉及一种自抗离焦模糊的灰度模板匹配方法及系统。
背景技术
灰度模板匹配方法,是一种兼顾精度与实时性的图像识别算法,在缺陷检测、位移测量、运动追踪等领域得到广泛应用。灰度模板匹配方法的原理,是通过图像的灰度信息计算模板与检测图像的相似度,获取模板在检测图像中的坐标位置。这一原理,限制了测量对象需保持在“对焦平面”,或测量对象与模板保持“完全一致”的离焦程度以不影响匹配。如果在与“对焦平面”垂直的方向产生离面位移,将会使检测图像产生离焦模糊,影响检测图像的灰度信息。而模板是单一固定的,因此对匹配精度造成影响。在工业现场,测量对象广泛存在偏离“对焦平面”的位移,尤其是处于运动中的测量对象或微米级精度的测量场景。
测量对象在运动过程中所产生的偏离“对焦平面”的位移,会使图像产生离焦模糊,影响图像灰度信息。现有的灰度模板匹配方法,采用单一模板进行匹配,且模板是人工选择,质量欠佳、缺乏鲁棒性。当图像存在离焦模糊时,模板无法跟随检测图像的离焦劣化进行自适应调节。离焦图像与模板间的灰度差异过大,无法实现正确匹配。因此,现有的灰度模板匹配方法无法避免因图像离焦模糊而精度劣化的问题。只能将这种离焦模糊引起的测量误差,作为图像测量系统噪声的一部分,无法剥离、无法补偿、无法消除,制约了测量精度的进一步提升。
现有技术在硬件方面有采用电子变焦透镜、采用液态镜头聚焦、采用CCD相机与光栅传感器提供反馈信息以补偿运动过程中带来的离焦等方式对图像离焦模糊进行补偿;在软件方面有对晶圆进行预处理后获取缺陷图像并进行识别、采用刃边法估计离焦模糊核、采用自适应预设定算法估计运动模糊核等方式确定图像离焦模糊。
然而,由于现实工业生产过程中图像的离焦程度具有不确定性,现有灰度模板匹配方法无法在不同离焦情况下进行精确测量。对于图像离焦模糊产生的误差,没有很好的解决办法。随着灰度模板匹配方法的广泛应用,以及测量精度的逐步提高,需要适配的测量对象增多。而现有的灰度模板匹配方法,无法在离焦情况下进行正常工作,极大限制了应用范围。
为此,结合以上需求和现有技术缺陷,本申请提出了一种自抗离焦模糊的灰度模板匹配方法及系统。
发明内容
本发明提供了一种自抗离焦模糊的灰度模板匹配方法及系统,使模板能够依据检测图像离焦情况进行自适应调节,实现图像离焦时的精准测量,即具备自抗离焦模糊的鲁棒性。
本发明的首要目的是为解决上述技术问题,本发明的技术方案如下:
本发明第一方面提供了一种自抗离焦模糊的灰度模板匹配方法,本方法包括以下步骤:
S1、获取符合预设图像质量评价指标的待检测图像。
S2、选取待检测图像的若干区域作为第一模板,将其中符合预设模板评估分数的第一模板作为第二模板。
S3、对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集。
S4、计算待检测图像的清晰度评价值和模糊模板集的清晰度评价值,选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配。
进一步地,步骤S1中所述待检测图像在对照明光源进行色温调节后采集获得;所述图像质量评价指标由成像质量评价函数得到,所述成像质量评价函数为:
s=S(EMS,RPSN,MSSI)
其中,EMs,RPSN,MssI均为图像质量评价指标,EMS为图像的最小均方差,RPsN为图像的峰值信噪比,MSSI为图像的结构相似度。
进一步地,所述对照明光源进行色温调节的具体过程为:
S11:对于不同大小的色温集合t={t1,t2,...tn-1,tn},依次从色温集合t选择不同的色温作为照明光源色温,并获取不同色温照明下的待检测图像,记为I1,I2,...In-1,In。
S12:通过成像质量评价函数分别对待检测图像I1,I2,...In-1,In进行评估,评估结果记为s1,s2,...,sn-1,sn。
S13:筛选出评估结果最佳值si=max[s1,s2,...,sn-1,sn],将对应的色温参数ti设置为后续步骤照明光源色温。
进一步地,所述步骤S2具体为:
S21:从待检测图像I的不同位置截取尺寸相同的区域作为第一模板,记为T1,T2,...Tn-1,Tn。
S22:通过模板评估函数分别对第一模板T1,T2,...Tn-1,Tn的特征质量进行评价,得到的模板评价分数记为R1,R2,...Rn-1,Rn。
S23:筛选出所得模板评价分数的最大值Ri=max[R1,R2,...,Rn-1,Rn],将对应的第一模板Ti作为第二模板Tpt,记录第二模板Tpt的尺寸m×n与其在检测图像I中的位置(x,y),其中i∈[1,2,...,n]。
进一步地,所述模板评估函数具体为:
R=λ1λ2-k(λ1+λ2)2
其中,λ1和λ2分别为矩阵H的特征值,k为经验系数,所述矩阵H具体为:
其中,T为模板,X是包含所有像素坐标的矩阵。
需要说明的是,所述步骤S2适用于对模板无特殊规定的场合,当模板已确定时,可跳过步骤S2。
进一步地,所述步骤S3具体为:
S31:预设不同大小的高斯模糊系数集合σ={σ1,σ2,...σn-1,σn},根据集合σ创建不同大小的高斯模板集合G={G1,G2,...Gn-1,Gn}。
S32:将待检测图像I与高斯模板集合G={G1,G2,...Gn-1,Gn}进行卷积运算,得到不同模糊度的检测图像,记为模糊图像I′1,I′2,...I′n-1,I′n,形成模糊图像集I′。
S33:根据第二模板Tpt的尺寸m×n与位置(x,y),从模糊图像集I′截取图像,记为模糊模板T′1,T′2,...T′n-1,T′n,形成模糊模板集T′。
需要说明的是,所述高斯模糊系数集合的取值范围和元素数量可根据实际条件自由定义,所述高斯模板的尺寸L×L与高斯模糊系数有关,具体为:
L=2×floor(2×σ)+1
其中,floor代表向下取整。
进一步地,步骤S4中,计算所述清晰度评价值的方式为采用清晰度评价函数计算所述模糊图像集I′中的模糊图像I′1,I′2,...I′n-1,I′n清晰度评价值,记为f1,f2,...fn-1,fn;所述清晰度评价函数为方差函数,具体为:
其中,f(x,y)为坐标(x,y)处的像素灰度值,μ为图像的平均灰度值,M×N为图像的尺寸大小。
需要说明的是,由于模糊模板集T′中的模糊模板T′1,T′2,...T′n-1,T′n是直接从模糊图像I′1,I′2,...I′n-1,I′n中截取得到,因此模糊模板T′1,T′2,...T′n-1,T′n的清晰度评价值可用f1,f2,...fn-1,fn进行表示。
根据上述技术特征,完成了灰度模板匹配方法前的预处理操作。
进一步地,所述步骤S4具体为:
S41:基于所述清晰度评价函数实时计算待检测图像I清晰度评价值,记为F。
S42:通过清晰度匹配函数计算待检测图像I与模糊模板集T′中不同模糊度的模糊模板T′1,T′2,...T′n-1,T′n的清晰度差异,记为P1,P2,...Pn-1,Pn。
S43:筛选出清晰度差异为最小值Pi=min[P1,P2,...,Pn-1,Pn]时所对应的模糊模板T′i作为匹配模板T0进行灰度模板匹配。
S44:通过相似性度量算法,计算检测图像I与匹配模板T0的相似度,获取匹配模板T0在检测图像中的位置,输出结果。
进一步地,所述清晰度匹配函数具体为:
P=(F-fi)2,i=1,2,...,n
其中,P表示清晰度差异。
本发明第二方面提供了一种自抗离焦模糊的灰度模板匹配系统,该系统用于所述的一种自抗离焦模糊的灰度模板匹配方法,包括有:图像获取模块、图像处理模块、灰度模板匹配模块。
所述图像获取模块获取符合预设图像质量评价指标的待检测图像并输入至所述图像处理模块,经所述图像处理模块对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集,输出待检测图像的清晰度评价值和模糊模板集的清晰度评价值至所述灰度模板匹配模块,所述灰度模板匹配模块选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配;所述第二模板为符合预设模板评估分数的第一模板,所述第一模板选取自待检测图像的若干区域。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供了一种自抗离焦模糊的灰度模板匹配方法及系统,能够改善灰度模板匹配方法中因离焦模糊而造成的误差影响,同时能够根据图像离焦程度自适应调节模板,减小离焦模糊带来的误差影响,具备鲁棒性与实时性。
附图说明
图1为本发明一种自抗离焦模糊的灰度模板匹配方法的流程图。
图2为本发明一种实施例中从待检测图像获取第二模板的示意图。
图3为本发明一种实施例中第一种生成模糊模板集方式的示意图。
图4为本发明一种实施例中第二种生成模糊模板集方式的示意图。
图5为本发明一种实施例中清晰度匹配方法的原理图。
图6为本发明一种自抗离焦模糊的灰度模板匹配系统的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步地详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示,本发明提供了一种自抗离焦模糊的灰度模板匹配方法,本方法包括以下步骤:
S1、获取符合预设图像质量评价指标的待检测图像。
S2、选取待检测图像的若干区域作为第一模板,将其中符合预设模板评估分数的第一模板作为第二模板。
S3、对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集。
S4、计算待检测图像的清晰度评价值和模糊模板集的清晰度评价值,选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配。
根据上述技术特征,本发明相比现有灰度模板匹配方法,加入了光源色温调控方法、最佳模板选择方法以及模糊模板集匹配方法,通过调控照明光源色温来提升检测图像的成像质量,根据模板的特征质量筛选最佳模板,基于模糊模板集与清晰度匹配方法实现模板的自适应调整,具有抗离焦模糊的强鲁棒性。
实施例2
基于上述实施例1,结合图2-图5,本实施例详细阐述本发明的具体过程。
进一步地,步骤S1中所述待检测图像在对照明光源进行色温调节后采集获得;所述图像质量评价指标由成像质量评价函数得到,所述成像质量评价函数为:
s=S(EMS,RPSN,MSSI)
其中,EMS,RPSN,MSSI均为图像质量评价指标,EMS为图像的最小均方差,RPSN为图像的峰值信噪比,MSSI为图像的结构相似度。
进一步地,所述对照明光源进行色温调节的具体过程为:
S11:对于不同大小的色温集合t={t1,t2,...tn-1,tn},依次从色温集合t选择不同的色温作为照明光源色温,并获取不同色温照明下的待检测图像,记为I1,I2,...In-1,In。
S12:通过成像质量评价函数分别对待检测图像I1,I2,...In-1,In进行评估,评估结果记为s1,s2,...,sn-1,sn。
S13:筛选出评估结果最佳值si=max[s1,s2,...,sn-1,sn],将对应的色温参数ti设置为后续步骤照明光源色温。
在一个具体的实施例中,色温集合t的取值范围在[2700,7000]之间,色温集合t内元素数量根据实际条件进行选择。
进一步地,如图2所示,所述步骤S2从待检测图像I获取第二模板的过程具体为:
S21:从待检测图像I的不同位置截取尺寸相同的区域作为第一模板,记为T1,T2,...Tn-1,Tn。
S22:通过模板评估函数分别对第一模板T1,T2,...Tn-1,Tn的特征质量进行评价,得到的模板评价分数记为R1,R2,...Rn-1,Rn。
S23:筛选出所得模板评价分数的最大值Ri=max[R1,R2,...,Rn-1,Rn],将对应的第一模板Ti作为第二模板Tpt,记录第二模板Tpt的尺寸m×n与其在检测图像I中的位置(x,y),其中i∈[1,2,...,n]。
需要说明的是,本实施例中所述第一模板为预备模板,所述第二模板为筛选出的最佳模板。
进一步地,所述模板评估函数具体为:
R=λ1λ2-k(λ1+λ2)2
其中,λ1和λ2分别为矩阵H的特征值,k为经验系数,所述矩阵H具体为:
其中,T为模板,X是包含所有像素坐标的矩阵。
需要说明的是,所述步骤S2适用于对模板无特殊规定的场合,当模板已确定时,可跳过步骤S2。
进一步地,所述步骤S3包括有两种方法获取最佳模板组成的模糊模板集,其中第一种方法如图3所示,具体为:
S31:预设不同大小的高斯模糊系数集合σ={σ1,σ2,...σn-1,σn},根据集合σ创建不同大小的高斯模板集合G={G1,G2,...Gn-1,Gn}。
S32:将待检测图像I与高斯模板集合G={G1,G2,...Gn-1,Gn}进行卷积运算,得到不同模糊度的检测图像,记为模糊图像I′1,I′2,...I′n-1,I′n,形成模糊图像集I′。
S33:根据第二模板Tpt的尺寸m×n与位置(x,y),从模糊图像集I′截取图像,记为模糊模板T′1,T′2,...T′n-1,T′n,形成模糊模板集T′。
需要说明的是,所述高斯模糊系数集合的取值范围和元素数量可根据实际条件自由定义,所述高斯模板的尺寸L×L与高斯模糊系数有关,具体为:
L=2×floor(2×σ)+1
其中,floor代表向下取整。
在一个具体的实施例中,另一种获取最佳模板组成的模糊模板集的方法如图4所示,具体过程为:
通过调控照明光源色温形成良好光照条件,以获取特征明显的高质量检测图像I,降低离面位移引起的离焦影响。之后从检测图像I中截取筛选出特征质量最高的最佳模板Tpt,并根据最佳模板Tpt获取模糊模板集T′。
预设步进次数n与步进距离Δx。
控制相机或被测目标所在平面沿z轴以等间距Δx进行步进运动远离“对焦平面”,获取每次移动后的检测图像,记为模糊图像I′1,I′2,...I′n-1,I′n,形成模糊图像集I′。
根据最佳模板Tpt从模糊图像集I′截取图像,记为模糊模板T′1,T′2,...T′n-1,T′n,形成模糊模板集T′。
需要说明的是,该方法通过模拟离面位移的方式获取模糊模板集T′,步进次数n与步进距离Δx根据实际条件进行选择,步进次数n越大、步进距离Δx越小,方法抗离焦能力越好。
进一步地,步骤S4中,计算所述清晰度评价值的方式为采用清晰度评价函数计算所述模糊图像集I′中的模糊图像I′1,I′2,...I′n-1,I′n清晰度评价值,记为f1,f2,...fn-1,fn;所述清晰度评价函数为方差函数,具体为:
其中,f(x,y)为坐标(x,y)处的像素灰度值,μ为图像的平均灰度值,M×N为图像的尺寸大小。
需要说明的是,由于模糊模板集T′中的模糊模板T′1,T′2,...T′n-1,T′n是直接从模糊图像I′1,I′2,...I′n-1,I′n中截取得到,因此模糊模板T′1,T′2,...T′n-1,T′n的清晰度评价值可用f1,f2,...fn-1,fn进行表示。
根据上述技术特征,完成了灰度模板匹配方法前的预处理操作,在实际应用过程中,具体使用的不仅仅只限于当前所提清晰度评价函数,可根据不同情况使用其他清晰度评价函数,如基于空域的清晰度评价函数、基于频域的清晰度评价函数、基于信息学的清晰度评价函数或基于统计学的评价函数等,以满足不同的条件要求。
进一步地,如图5所示,所述步骤S4具体为:
S41:基于所述清晰度评价函数实时计算待检测图像I清晰度评价值,记为F。
S42:通过清晰度匹配函数计算待检测图像I与模糊模板集T′中不同模糊度的模糊模板T′1,T′2,...T′n-1,T′n的清晰度差异,记为P1,P2,...Pn-1,Pn。
S43:筛选出清晰度差异为最小值Pi=min[P1,P2,...,Pn-1,Pn]时所对应的模糊模板T′i作为匹配模板T0进行灰度模板匹配。
S44:通过相似性度量算法,计算检测图像I与匹配模板T0的相似度,获取匹配模板T0在检测图像中的位置,输出结果。
进一步地,所述清晰度匹配函数具体为:
P=(F-fi)2,i=1,2,...,n
其中,P表示清晰度差异,所述相似性度量算法为差值平方和算法,但在实际应用过程中,具体使用的不仅仅只限于当前所提相似性度量算法,可根据不同情况使用其他相似性度量算法,如归一化互相关算法、序列相似性检测算法、绝对误差和算法等,以满足不同的条件要求。
实施例3
如图6所示,本发明还提供了一种自抗离焦模糊的灰度模板匹配系统,该系统用于所述的一种自抗离焦模糊的灰度模板匹配方法,包括有:图像获取模块、图像处理模块、灰度模板匹配模块。
所述图像获取模块获取符合预设图像质量评价指标的待检测图像并输入至所述图像处理模块,经所述图像处理模块对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集,输出待检测图像的清晰度评价值和模糊模板集的清晰度评价值至所述灰度模板匹配模块,所述灰度模板匹配模块选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配;所述第二模板为符合预设模板评估分数的第一模板,所述第一模板选取自待检测图像的若干区域。
在本申请所提供的实施例中,应该理解到,所揭露的系统和方法,能够通过其它的方式实现。本领域普通技术人员能够理解:实现上述方法实施例的全部或部分步骤能够通过程序指令相关的硬件来完成,前述的程序能够存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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能够存储程序代码的介质。
或者,本发明上述实施例如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也能够存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分能够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执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种能够存储程序代码的介质。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。附图中描述结构位置关系的图标仅用于示例性说明,不能理解为对本发明的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种自抗离焦模糊的灰度模板匹配方法,其特征在于,包括以下步骤:
S1、获取符合预设图像质量评价指标的待检测图像;
S2、选取待检测图像的若干区域作为第一模板,将其中符合预设模板评估分数的第一模板作为第二模板;
S3、对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集;
S4、计算待检测图像的清晰度评价值和模糊模板集的清晰度评价值,选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配。
2.根据权利要求1所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,步骤S1中所述待检测图像在对照明光源进行色温调节后采集获得;所述图像质量评价指标由成像质量评价函数得到,所述成像质量评价函数为:
s=S(EMS,RPSN,MSSI)
其中,EMS,RPSN,MSSI均为图像质量评价指标,EMS为图像的最小均方差,RPSN为图像的峰值信噪比,MSSI为图像的结构相似度。
3.根据权利要求2所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,所述对照明光源进行色温调节的具体过程为:
S11:对于不同大小的色温集合t={t1,t2,...tn-1,tn},依次从色温集合t选择不同的色温作为照明光源色温,并获取不同色温照明下的待检测图像,记为I1,I2,...In-1,In;
S12:采用所述成像质量评价函数分别对待检测图像I1,I2,...In-1,In进行评估,评估结果记为s1,s2,...,sn-1,sn;
S13:筛选出评估结果最佳值si=max[s1,s2,...,sn-1,sn],将对应的色温参数ti设置为后续步骤照明光源色温。
4.根据权利要求1所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,所述步骤S2具体为:
S21:从待检测图像I的不同位置截取尺寸相同的区域作为第一模板,记为T1,T2,…Tn-1,Tn;
S22:通过模板评估函数分别对第一模板T1,T2,...Tn-1,Tn的特征质量进行评价,得到的模板评价分数记为R1,R2,...Rn-1,Rn;
S23:筛选出所得模板评价分数的最大值Ri=max[R1,R2,...,Rn-1,Rn],将对应的第一模板Ti作为第二模板Tpt,记录第二模板Tpt的尺寸m×n与其在检测图像I中的位置(x,y),其中i∈[1,2,...,n]。
5.根据权利要求4所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,所述模板评估函数具体为:
R=λ1λ2-k(λ1+λ2)2
其中,λ1和λ2分别为矩阵H的特征值,k为经验系数,所述矩阵H具体为:
其中,T为模板,X是包含所有像素坐标的矩阵。
6.根据权利要求2所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,所述步骤S3具体为:
S31:预设不同大小的高斯模糊系数集合σ={σ1,σ2,...σn-1,σn},根据集合σ创建不同大小的高斯模板集合G={G1,G2,...Gn-1,Gn};
S32:将待检测图像I与高斯模板集合G={G1,G2,...Gn-1,Gn}进行卷积运算,得到不同模糊度的检测图像,记为模糊图像I′1,I′2,…I′n-1,I′n,形成模糊图像集i′。
S33:根据第二模板Tpt的尺寸m×n与位置(x,y),从模糊图像集I′截取图像,记为模糊模板T′1,T′2,...T′n-1,T′n,形成模糊模板集T′。
7.根据权利要求6所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,步骤S4中,计算所述清晰度评价值的方式为采用清晰度评价函数计算所述模糊图像集I′中的模糊图像I′1,I′2,…I′n-1,I′n清晰度评价值,记为f1,f2,...fn-1,fn;所述清晰度评价函数为方差函数,具体为:
其中,f(x,y)为坐标(x,y)处的像素灰度值,μ为图像的平均灰度值,M×N为图像的尺寸大小。
8.根据权利要求7所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,所述步骤S4具体为:
S41:基于所述清晰度评价函数实时计算待检测图像I清晰度评价值,记为F;
S42:通过清晰度匹配函数计算待检测图像I与模糊模板集T′中不同模糊度的模糊模板T′1,T′2,...T′n-1,T′n的清晰度差异,记为P1,P2,...Pn-1,Pn;
S43:筛选出清晰度差异为最小值Pi=min[P1,P2,...,Pn-1,Pn]时所对应的模糊模板T′i作为匹配模板T0进行灰度模板匹配;
S44:通过相似性度量算法,计算检测图像I与匹配模板T0的相似度,获取匹配模板T0在检测图像中的位置,输出结果。
9.根据权利要求8所述的一种自抗离焦模糊的灰度模板匹配,其特征在于,所述清晰度匹配函数具体为:
P=(F-fi)2,i=1,2,…,n
其中,P表示清晰度差异。
10.一种自抗离焦模糊的灰度模板匹配系统,该系统用于权利要求1-9任一项所述的一种自抗离焦模糊的灰度模板匹配方法,其特征在于,包括有:图像获取模块、图像处理模块、灰度模板匹配模块;
所述图像获取模块获取符合预设图像质量评价指标的待检测图像并输入至所述图像处理模块,经所述图像处理模块对待检测图像进行离焦模糊处理得到模糊图像集,从模糊图像集中根据第二模板选取模糊图像组成模糊模板集,输出待检测图像的清晰度评价值和模糊模板集的清晰度评价值至所述灰度模板匹配模块,所述灰度模板匹配模块选取小于预设清晰度评价值差异阈值的模糊图像进行灰度模板匹配;所述第二模板为符合预设模板评估分数的第一模板,所述第一模板选取自待检测图像的若干区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553678.8A CN117746070A (zh) | 2023-11-20 | 2023-11-20 | 一种自抗离焦模糊的灰度模板匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553678.8A CN117746070A (zh) | 2023-11-20 | 2023-11-20 | 一种自抗离焦模糊的灰度模板匹配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117746070A true CN117746070A (zh) | 2024-03-22 |
Family
ID=90258226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311553678.8A Pending CN117746070A (zh) | 2023-11-20 | 2023-11-20 | 一种自抗离焦模糊的灰度模板匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117746070A (zh) |
-
2023
- 2023-11-20 CN CN202311553678.8A patent/CN117746070A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
US8218061B2 (en) | Apparatus, method, and manufacture for iterative auto-focus using depth-from-defocus | |
US9621786B2 (en) | Image processing apparatus, image processing method, image processing program, and image pickup apparatus acquiring a focusing distance from a plurality of images | |
US6281931B1 (en) | Method and apparatus for determining and correcting geometric distortions in electronic imaging systems | |
CN104079827B (zh) | 一种光场成像自动重对焦方法 | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
GB2532541A (en) | Depth map generation | |
CN111932636B (zh) | 双目摄像头的标定及图像矫正方法、装置、存储介质、终端、智能设备 | |
JP4454657B2 (ja) | ぶれ補正装置及び方法、並びに撮像装置 | |
JP2013531268A (ja) | 符号化開口を使用した距離の測定 | |
JP4145308B2 (ja) | 手ぶれ補正装置 | |
KR20160118948A (ko) | 줌 렌즈에 대한 초점 거리를 결정하는 방법 | |
CN112264992A (zh) | 一种工业机器人坐标系校准方法、系统、装置和存储介质 | |
CN114612345A (zh) | 一种基于图像处理的光源检测方法 | |
JP3084130B2 (ja) | 画像入力装置 | |
CN110108230B (zh) | 基于图像差分与lm迭代的二值光栅投影离焦程度评估方法 | |
CN111970500A (zh) | 用于投影设备的自动距步校准方法及系统 | |
CN113838150B (zh) | 一种基于电液可调焦镜头的移动目标三维轨迹追踪方法 | |
CN116342435B (zh) | 一种线扫描相机畸变校正方法、计算设备及存储介质 | |
CN117555123A (zh) | 一种电子显微镜自动对焦方法及装置 | |
JP6395429B2 (ja) | 画像処理装置、その制御方法及び記憶媒体 | |
KR20160105322A (ko) | 합초 위치 검출 장치, 합초 위치 검출 방법 및 합초 위치 검출용 컴퓨터 프로그램 | |
GB2608763A (en) | Intelligent method of tracking focus in machine vision applications | |
CN117746070A (zh) | 一种自抗离焦模糊的灰度模板匹配方法及系统 | |
CN113805304B (zh) | 一种用于线阵相机的自动调焦系统及方法 |
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 |