TWI231702B - Segment based image registration method - Google Patents

Segment based image registration method Download PDF

Info

Publication number
TWI231702B
TWI231702B TW093101260A TW93101260A TWI231702B TW I231702 B TWI231702 B TW I231702B TW 093101260 A TW093101260 A TW 093101260A TW 93101260 A TW93101260 A TW 93101260A TW I231702 B TWI231702 B TW I231702B
Authority
TW
Taiwan
Prior art keywords
standard
detected
image segment
interval
image
Prior art date
Application number
TW093101260A
Other languages
English (en)
Other versions
TW200526015A (en
Inventor
Hsin-Teng Sheu
Original Assignee
Univ Nat Taiwan Science Tech
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 Univ Nat Taiwan Science Tech filed Critical Univ Nat Taiwan Science Tech
Priority to TW093101260A priority Critical patent/TWI231702B/zh
Priority to US10/952,926 priority patent/US7400783B2/en
Application granted granted Critical
Publication of TWI231702B publication Critical patent/TWI231702B/zh
Publication of TW200526015A publication Critical patent/TW200526015A/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/24Aligning, centring, orientation detection or correction of the image
    • G06V10/245Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515Shifting the patterns to accommodate for positional errors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/757Matching configurations of points or features

Landscapes

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

Description

1231702 歡、發明說明 【發明所屬之技術領域】 本發明是有關於一種影像對正的方法,且特別是有 於一種使用費伯納奇搜尋法且區段式影像對正的方法。 【先前技術】 習知的影像對正技術主要的可概分為佛洛以 (Voronoi)法與迪勞尼(Delaunay)法。 佛洛以法主要係將標準影像以及被檢測影像根據特 徵點分割成佛洛以圖(Voronoi diagram),並建立每個特徵 點所有鄰點的向量,經離散傅利葉轉換後組成屬於各特徵 點的向量,再將被檢測影像的向量與標準影像的向量進行 比對,建立向量的維度與長度的相似度矩陣,即 影像間的轉換關係。 迪勞尼法則連結各特徵點而形成迪勞尼三角形,比對 被檢測影像與標準影像中各迪勞尼三角形的邊包括縮放 比、旋轉角與位移等的轉換關係,並建立四個矩陣以取得 轉換關係之相近度最高者,即為兩影像間的轉換參數。 然而,在傳統的佛洛以法中,相似度矩陣常因特徵點 間的偏差而造成錯誤比#卜而且,若線掃㈣影像區段不 大,攻種偏差將更為明顯,所造成的錯誤比對更將因此大 增。在傳統的迪勞尼法中,雖然受到特徵點間偏差的影響 較小,但同樣的,其轉換矩陣與相似度矩陣的規模常需隨 者影像的大小與所需精確度的提高而成二次式地 1231702 (㈣dmicaUy)大增,造成所需的運算時間與所佔的記憶 體空間乃變得相當魔大。因此工程上常需在運算時間與記 憶體空間之間作取捨,難以同時兼顧兩者。 再者’在很多影像對正的應用中’例如鋼箔基板檢測 或傳真機的文件掃描等的場合裡,常基於成本、精確度、 檢測時間的考量或設備整體結構的因f等而必須採用線 掃描(line scan)的方式取像。此時佛洛以法與迪勞尼法便 常因衫像太大必須分段取像而迫使伺服機構走走停停造 成效率降低與誤差增加等問題。 此外,在這種場合裡,更常因驅動機構施力不均、有 ,礙物的干擾、使用者的疏忽、或取像角度扭動等而造成 影像的偏差。習知的如佛洛以法或迪勞尼法因不具彈性而 完全派不上用場。因此一般都因無適當的修正方式而將影 像的扭曲現象忽略不計,造成了產品準確度低與品質不佳 的問題。 【發明内容】 本發明的目的就是在提供一種影像對正的方法,以區 段為單位求取被檢測影像區段與標準影像區段間的轉換 參數,提高影像對正的準確度,節省運算時所需的記憶體 空間,並且增加運算資源分配的彈性以縮短運算所需的 間。 、 本發明的另一目的是在提供一種影像對正的方法,以 費伯納奇搜尋法得出各轉換參數的最佳區間,確保達到使 !2317〇2 用者所需的精確度,更可大幅減少搜尋所需的時間。 根據本發明之上述目的,提出一種影像對正的方法, 供對正一標準影像以及一被檢測影像。首先將該標準影像 劃为出至少一標準影像區段,以及將該被檢測影像劃分出 至少一被檢測影像區段,其中該標準影像區段具有複數個 標準特徵點,以及該被檢測影像區段具有複數個被檢測特 徵點。 在該標準影像區段中選取一標準參考點,以及在該被 檢測影像區段中選取一被檢測參考點,其中該些標準特徵 點與該標準參考點之間形成複數個標準向量,以及該些被 檢測特徵點與該被檢測參考點之間形成複數個被檢測向 量。而後’對照該些標準向量以及該些區段被檢測向量, 知出至少一轉換矩陣。再以費伯納奇搜尋法自該轉換矩陣 得出一轉換參數,來調整該被檢測影像區段。 依照本發明之一較佳實施例,該至少一轉換矩陣至少 包含一縮放比轉換矩陣、一旋轉角轉換矩陣、一第一位移 量轉換矩陣以及一第二位移量轉換矩陣。該費伯納奇搜尋 法先δ又疋一精確度以及一初始可能區間,其中該初始可能 區間之兩端係為一最大可能值以及一最小可能值。根據該 精確度,得出一費伯納奇疊代次數,再依照該費伯納奇疊 代次數,以一第一試驗點及一第二試驗點將該初始可能區 間分成一第一區間、一第二區間以及一第三區間。而後, 統計該轉換矩陣之複數個元素落在該些區間的數目,比較 第一區間與第二區間以及第二區間與第三區間之總和元 1231702 素數目’保留總和元素數目較多的兩相鄰區間,並移除另 一 £間。最後,以剩餘的該二區間作為新的可能區間,繼 續疊代進行上述步驟,如此得到一理想區間。 其次,在此較佳實施例中,係以該第一試驗點與該第 二試驗點之中點值將該初始可能區間分為一前半區間以 及一後半區間,並藉由比較該些元素落在該前半區間以及 該後半區間的數目來決定要移除哪個區間。該前半區間包 含該第一區間以及部分之該第二區間,以及該後半區間包 吝邛为之該第二區間以及該第三區間。當該前半區間之元 素數目大於該後半區間之元素數目時,移除該第三區間; 當該後半區間之元素數目大於該後半區間之元素數目 時,移除該第一區間。 此外,該些元素之數目係利用一累加器來加以統計。 而且’該轉換參數係為該理想區間之最大值者。 依照本發明之另一較佳實施例,係以距離或該些標準 特徵點以及該些被檢測特徵點的數目,來分別劃分該標準 影像區段以及該被㈣影像區&。再纟,當該標準影像且 有兩個標準定位點’以及該被檢㈣像具有兩個被檢敎 位點時’該標準參考點係為該:標準定位點之連線的中 點’且該被檢測參考點係為該二被檢測定位點之連線的中 、ai ^ °,7J田輛準影像以及被本 ^像具有複數個相對應影像區段時,㈣了以上述步摩 調整第-被檢測影像區段外,本發明之方法更將該標準景 1231702 像劃分出一第二標準影像區段,以及將該被檢測影像劃分 出一第二被檢測影像區段。本發明可依據該第二標準影像 區段之最接近該第一標準影像區段的標準特徵點,決定該 第一私準影像區段之初始邊界,並依據該第二被檢測影像 區段之最接近該第一被檢測影像區段的被檢測特徵點,決 定該第二被檢測影像區段之初始邊界。或者,使該第二標 準影像區段之初始邊界與該第一標準影像區段之尾端邊 界間具有一第一預定距離,並使該第二被檢測影像區段之 初始邊界與該第一被檢測影像區段之尾端邊界間具有一 第二預定距離。 另外,在此較佳實施例中,該第二標準影像區段之初 始邊界係與該二標準定位點之連線平行,且該第二被檢測 影像區段之初始邊界係與該二被檢測定位點之連線平行。 另一方面,該第二標準影像區段之標準參考點係位於 該第一標準影像區段之初始邊界上,且該第一標準影像區 段之標準參考點與該第二標準影像區段之標準參考點間 的連線係垂直於該第二標準影像區段之初始邊界;該第二 被檢測影像區段之被檢測參考點係位於該第二被檢測影 像區段之初始邊界上,且該第一被檢測影像區段之被檢測 參考點與該第二被檢測影像區段之被檢測參考點間的連 線係垂直於該第二被檢測影像區段之初始邊界。 本發明採取區段式的做法,因此其矩陣規模比起習知 的佛洛以法與迪勞尼法大幅縮減。本發明使用費伯納奇搜 尋法反覆疊代搜尋,因此搜尋所需的區間不必如習知技術 1231702 :所用固疋式的大’其所需的搜尋時間更可大大地減少。 因所需的區間不必如習知技術中所用固定式的大, 發明所須使用的記憶體空間乃大為節省。除此之外本 月所用的方法讓使用者可任意根據所需的精確度以費 ^納奇搜尋法推算必須執行的疊代次數,不但具有極大的 性空間而且可確保一定能達到所需的精確度。 、甚者,費伯納奇搜尋法更是所有區間搜尋法中最為快 ^者’其由粗而細的做法更可使本發明所獲得參數值的可 罪性大為提高。根據本發明的做法,被檢測影像區段與標 準影像區段可在節省大量記憶體空間與縮短運算時間的 情形之下求得區段影像間的轉換參數,以便將各區段影像 調整回無失真的原貌。 【實施方式】 第1A圖係繪示本發明之一較佳實施例之流程圖,第 1B圖則繪示本發明之一較佳實施例之費伯納奇搜尋法之 流程圖。本發明提出一種可以彈性設定區段的影像對正的 方法,以區段為單元求取被檢測影像區段與標準影像區段 間的轉換參數(步驟160)。在各影像區段中則將該區段中 所有自參考點到特徵點間的連線組成向量(步驟丨62),將 被檢測影像區段與標準影像區段間的所有向量比對後,將 兩者間的轉換參數儲存於縮放比(scaling)、旋轉角 (rotation)與兩方向位移量(translation)等4個轉換矩陣中 (步驟164)。 1231702 接著’本發明並提供最佳的搜尋方式來求取兩影像區 段間最適當的轉換參數(步驟166)。首先,根據各轉換參 數在工程實務上最適當的區間,配合所需的精確度與費伯 納奇搜尋法(Fibonacci search)做區間分割(步驟170' 172
以及1 74),各子區間並配屬一個累加器。逐一檢驗轉換 矩陣中各元素之值,並將此值所處子區間中的累加器進 一。如此,在轉換矩陣中所有元素均已檢驗完畢後,去掉 其累加器中之值不是最大者所對應的子區間(步驟176), 再繼續以所剩餘的子區間重新進行上述分割的做法,如此 反覆進行上述過程,即可找出符合所須精確度的理想區 間,即最適當轉換參數值(步驟丨78),再利用此最佳轉換 參數值調整被檢測影像區段(步驟丨68)。 第2A圖係繪示本發明之一較佳實施例之示意圖,以 一標準影像100a對正一被檢測影像2〇〇a,其中被檢測影 像200a可為銅箔基板影像或傳真機的文件掃描影像。標
準影像100a具有複數個標準特徵點i 12,而被檢測影像 200a段具有複數個被檢測特徵點212,兩者的特徵點數量 以及位置並不一定相同,因此需要使用本發明之方法來對 正。 首先,根據標準影像l00a的兩個標準定位點1〇4以 及106,連接出一標準定位點連線1〇8,並以其中點作為 標準影像100a的第一區段的標準參考點1〇2。同樣地, 亦根據被檢測影像200a的兩個被檢測定位點2〇4以及 206,連接出一被檢測定位點連線2〇8,並以其中點作為 11 1231702 忒被檢測影像200a的第一區段的被檢測參考點^ 一般而言,這些定位點1〇4、1〇6、2〇4與2〇6是可1 存在一般印刷電路板或銅箔基板之上的。再者,如$要^ 正的是傳真文件影像,則可在傳送影像時,透過傳真機在 要傳送文件影像的左右兩侧適當處各加上肉眼看來不很 明顯但適當大小的一點做為上述該些定位點。
然後,將標準影像l〇〇a劃分出一第一標準影像區段 ll〇a,以及將被檢測影像2〇〇a劃分出一第一被檢測影像 區段2 1 0a。在此較佳實施例中,劃分區段時係以標準特 徵點112以及被檢測特徵點212的數目為依據,來決定第 一標準影像區段110a以及第一被檢測影像區段2丨〇a之尾 端邊界118a以及218a的位置。
舉例來說,分別以第500個標準特徵點j丨2a以及第 5 0 0個被檢測特徵點2 12 a的位置來劃出第一標準影像區 段110a以及第一被檢測影像區段21〇a之尾端邊界ιΐ8& 以及218a。如此,第一標準影像區段11〇以及第一被檢 測影像區段220中所包含的特徵點數目可固定,維持之後 進行運算時每區段運算處理的元素數目一定,以避免因某 區段中特徵點數目太多而拖長整個運算處理的時間。 第2B圖係繪示本發明之另一較佳實施例之示意圖。 然而,在此較佳實施例中,若是被檢測影像2〇〇b與標準 影像100b十分相似,兩者的特徵點數目相差不大,則亦 可依據距離來劃分出第一標準影像區段u 〇b以及第一被 檢測影像區段210b。換句話說,此較佳實施例係以距離 12 1231702 為依據來決定第一標準影像區段ll〇b以及第一被檢測影 像區段210b之尾端邊界118b以及218b的位置。這種劃 分區段做法較簡單,亦可運用於本發明之中。 接著,連接該些標準特徵點112與第一區段的標準參 考點102,以形成複數個第一區段的標準向量132,以及 連接該些被檢測特徵點212與第一區段的被檢測參考點 202,以形成複數個第一區段的被檢測向量2。
而後,兩兩對照該些第一區段的標準向量132以及言| 些第一區段的被檢測向量232,求出兩者間的縮放比s、 旋轉角Θ與兩個方向的位移量ty等四個轉換參數, 並將這些轉換參數儲存於第3圖所示的四個轉換矩呻 中第3圖係繪不本發明之轉換矩陣之一較佳實施例之示 意圖,四個轉換矩陣分別為第—區段的縮放比轉換矩陣 3〇2、第一區段的旋轉角轉換矩P車304、第一區段的第一 位移量轉換矩p車3G6以及第一區段的第二位移量轉換 陣 308。
陣的縱轴與橫軸座標均為整數,縱軸係代表標 影像區段中標準向量的編號,橫軸則代表被檢測影像區 中被檢測向#的編號。本發明由於採取了區段式的做法 因此》亥二矩陣規模比起習知的佛洛以法與迪勞尼法大 f:’二此可節省大量之矩陣運算所需的記憶體空間並 短其運鼻的時間。 enS= 發明並提供最佳的搜尋方式來求取兩影像1 &間最適當的轉換參數。以下以縮放比s為例來說明心 13 1231702 明之費伯納奇搜尋法’纟中假設縮心s所須的精確度占 為0.012’且其最大可能的變化範圍在初始可能區間[〇 7, 1.429]内,此初始可能區間的最大可能值b為ι·429,而 最小可能值a為0.7。首先,根據不等式(1)求出費伯納奇 疊代次數N。 Λ (1) 不等式(1)中的Fn為費伯納奇數字(Fibonacci Number),其定義為: F0 = Fj = 1 藉由以上定義,可產生一費伯納奇數列(Fib⑽ Sequence),如表一所示。 表一:費納奇數列 Ν 0 1 2 3 4 5 6 7 8 9 10 Fn 1 1 2 3 5 8 13 21 34 55 89 因此,當精確度占為0.012,其所對應的費伯納奇疊 代次數N為1 〇。 接著,在費伯納奇搜尋法中,依照下列等式(2)、(3) 以及(4),來決定第一次搜尋時的兩個試驗點(ex^riments) α 1以及泠1。 1231702 (2) (3) (4) αι + ·ε A ε 由以上等式(2)、(3)以及(4)可得出本較佳實施例在第 一次搜尋時的兩個試驗點α 1為,而召i為〇·979。 第4Α圖係繪示本發明之一較佳實施例之初始可能區間之 示思圖。如第4Α圖所示,初始可能區間[〇.7,丨·429]被此 兩個試驗點α〗以及冷1劃分為三個子區間,分別為第一 區間 Ιι [0.7, 0.979]、第二區間 Πι [0·979, lel51]以及第三 區間 ΙΙΙι [1.151,1.429]。 接著,逐一檢驗第一區段的縮放比轉換矩陣302中的 縮放比元素,統計該些縮放比元素落在第一區間L、第二 區間II,以及第三區間ιΠι的數目,然後比較第一區間L 與第二區間III以及第二區間Πι與第三區間ΠΙ1之總和元 素數目,保留總和元素數目較多的兩相鄰區間,並移除另 一區間。再以剩餘的該二區間作為新的可能區間,繼續疊 代進行上述步驟,如此得到一理想區間。 最後所得之理想區間中最大值所對應的轉換參數,即 為所求的被檢驗影像區段與標準影像區段間的最佳縮放 比S。其他旋轉角0與位移量、與、等三個轉換參數,其 最佳轉換參數的求法與縮放比s的做法相同。 舉例來說,當第二區間II與第三區間ΙΠι2總和元 15 1231702 素數目大於第-區M u與第二區間Πι之總和元素數目 時,移除第-區間u,並以第二區間Ui以及第三區間邱 作為新的可能區間[0.979, M29]。此時此可能區間的最小 可能值為0.979,即為上述之試驗點石〗,而此可能區間的 最大可能值為⑽’即為初始的最大可能值b。在此條 件下’依照等式(5)以及⑹求出第二次搜尋時的兩個試驗 點α 2以及冷2。 a2^P + FN_2-£ P2-b- Fn^2 . ε (5) (6) 由以上等式(5)以及(6)可得出本較佳實施例在第二次 搜尋時的兩個試驗點α 2為1·257,而石2為11S1。第4Β 圖係繪示本發明之一較佳實施例之第二次搜尋可能區間 之示意圖。如第4Β圖所示,可能區間[〇·979, 1.429]被此 兩個試驗點α 2以及冷2劃分為三個子區間,分別為第一 區間 12 [0.979, 1.151]、第二區間 112 [1.151,1.257]以及第 三區間 ΙΙΙ2 [1·257, 1.429]。 另一方面,當第一區間h與第二區間IL之總和元素 數目大於第二區間II〗與第三區間111〗之總和元素數目 時’移除第三區間nll,並以第一區間h以及第二區間Π1 作為新的可能區間[0.7, 1.151]。此時此可能區間的最小可 能值為0.7,即為初始的最小可能值b,而此可能區間的 最大可能值為1 · 15 1,即為上述之試驗點α 1。在此條件 16 1231702 依“、、等式(7)以及⑻求出第二次搜尋時的兩個試驗點 α 2’以及 /3 2,。 ⑺ (8) = ^ + Fn_2 · £ = - Fn__2 - £ 由以上等式⑺以及(8)可得出本較佳實施例在第二次 议哥時的兩個試驗駄
” α 2 為 0.979,而冷 2,為 0.872。第 4C 圚係%示本發明之另 „ 知β之另較佳實施例之第二次搜尋可能區 間之示意圖。如篦_ 圖所不,可能區間[0.7, 1.151]被此 區:試驗點α2’以及"劃分為三個子區f曰1 ,分別為第- 一 ^ 12 [〇·7, 〇.872]、第二區間 112, [0.872, 0.979]以及第 二區間 1112, [0.979, 1.151]。 ,以上兩㈣佳實施例可知,本發明運用費伯納奇搜 =疋所有區間搜尋法中最為快速者,其優點為在進行疊 =’。⑽Μ中之—會與前次搜尋中的試驗點其中之一 求出單也^說,進行每次疊代時,f伯納奇搜尋法僅需 改良,·使Li 例提供一種費伯納奇搜尋法的 題: 明更適於處理影像對正此種資料龐雜的問 第5圖係繪示本發明之 第4A圖所示之可 “圭實施例之不意圖’以 尋法的特殊處理二^ 林發明之#伯納奇搜 ' ☆較佳實施例中,本發明之方法 17 1231702 係以初始可能區間的中點值X,即1 ·〇65,作為分界點將 初始可能區間分為前半區間Α以及後半區間β兩部分。 對於前半區間A以及後半區間B,本發明各配置一累加 器,以便用於計算轉換矩陣之元素落在各區間中的數目。 接著,一次一個地檢驗轉換矩陣中的元素是屬於前半 區間A或是後半區間β。若元素之值係位在前半區間,則 將其對應的累加器進一;反之,若元素之值係位在後半區 間’則將其對應的累加器進一。在轉換矩陣中所有元素都 被檢驗完畢後,比較兩區間之累加器的值。 若元素落在前半區間的數目較多,則捨去第三區間 111 1 [1.151,1.429],以第一區間1丨以及第二區間 1]為下 次疊代搜哥的起始區間;若元素落在後半 區間的數目較多,則捨去第一區間Ii [0.7, 0.979],以第二 區間III以及第三區間ΙΙΙι[0·979,丨.429]為下一次疊代搜 尋的起始區間。如此反覆疊代直到抵達所需的精確度為 止0 值得注意的是,依照本發明之其他較佳實施例,除了 分別以費伯納奇搜尋法求出各轉換矩陣的最佳轉換參數 之外’亦可以對其中之一轉換矩陣做費伯納奇搜尋,再利 用所传出的最佳轉換參數與其轉換矩陣中元素的關係,直 接求出其他各轉換矩陣所對應的最佳轉換參數。在某些狀 ’况下’這種僅需對單一轉換矩陣做費伯納奇搜尋的做法, 了加快影像對比的處理速度。 當標準影像以及被檢測影像分別被劃分出複數個標 1231702 準影像區段以及複數個被檢測影像區段時,本發明之方法 也提供了相對應的處理方法。第6A圖係繪示本發明之一 較佳實施例之示意圖,以第2A圖為例說明如何以特徵點 數目劃分第二標準影像區段以及第二被檢測影像區段。 如第6A圖所示,當完成第一標準影像區段n〇a以 及第一被檢測影像區段2 1 0 a間的影像對正後,依據最接 近該第一標準影像區段110a的標準特徵點112b,決定該 第《—標準影像區段120a之初始邊界142a,並依據最接近 該第一被檢測影像區段2 1 0a的被檢測特徵點2 12b,決定 該第二被檢測影像區段22〇a之初始邊界242a。 在此較佳實施例中,第二標準影像區段12〇a之初始 邊界142a係與標準定位點連線1〇8之中垂線128a垂直, 且第二被檢測影像區段2 2 0 a之初始邊界2 4 2 a係與被檢測 定位點連線208之中垂線228a垂直。而且,第二區段的 標準參考點103a係位於第二標準影像區段12〇a之初始邊 界142a上,且第一區段的標準參考點1〇2與第二區段的 標準參考點103a之連線128a係垂直於第二標準影像區段 l2〇a之初始邊界142a。第二區段的被檢測參考點203a係 位於第二被檢測影像區段220a之初始邊界242a上。 如同第1A圖所示第一標準影像區段i10a以及第一 被檢測影像區段2 10a,接下來的第二標準影像區段120a 以及第二被檢測影像區段220a,係同樣地分別以第500 個標準特徵點112c以及第500個被檢測特徵點212c的位 置來劃出其尾端邊界148a以及248a。 19 1231702 第6B圖係繪示本發明之另一較佳實施例之示意圖, 以第2B圖為例說明如何以距離劃分第二標準影像區段以 及第二被檢測影像區段。 然後,重複上述第1A圖以及第1B圖中所示的步驟, 對照第二區段的標準向量134以及第二區段的被檢測向 量234,得出一第二區段的縮放比轉換矩陣、一第二區段 的旋轉角轉換矩陣、一第二區段的第一位移量轉換矩陣以 及一第二區段的第二位移量轉換矩陣。再以費伯納奇搜尋 法自該些轉換矩陣中得出一第二區段的縮放比、一第二區 段的旋轉角、一第二區段的第一位移量以及一第二區段的 第二位移量,來調整該第二被檢測影像區段220b。 如第6B圖所示,當完成第一標準影像區段110b以 及第一被檢測影像區段210b間的影像對正後,依據距離 決定出第二標準影像區段12〇b以及第二被檢測影像區段 220b之初始邊界142b以及242b。第二標準影像區段120b 之初始邊界142b與第一標準影像區段li〇b之尾端邊界 118b間具有一第一預定距離180;第二被檢測影像區段 220b之初始邊界242b與第一被檢測影像區段210b之尾 端邊界218b間具有一第二預定距離280。 在此較佳實施例中,第二標準影像區段1 2〇b之初始 邊界142b係與標準定位點連線1〇8之中垂線128a垂直, 且第二被檢測影像區段220b之初始邊界242b係與被檢測 定位點連線208之中垂線228 a垂直。而且,第二區段的 標準參考點l〇3b係位於第二標準影像區段i2〇b之初始邊 20 1231702 界142b上,且第一區段的標準參考點102與第二區段的 標準參考點103b之連線128b係垂直於第二標準影像區段 120b之初始邊界M2b。第二區段的被檢測參考點203b 係位於第二被檢測影像區段220b之初始邊界242b上。 如同第1B圖所示第一標準影像區段110b以及第一 被檢測影像區段210b,接下來的第二標準影像區段120b 以及第二被檢測影像區段220b,係同樣地分別以距離來 劃出其尾端邊界148b以及248b。 值得注意的是,上述之以距離或特徵點數目決定第一 標準影像區段以及第一被檢測影像區段之尾端邊界、第二 標準影像區段以及第二被檢測影像區段的做法,可視需要 混合地配合使用,並不受限於上述兩較佳實施例所示之單 獨使用的情況。 雖然本發明已以一較佳實施例揭露如上,然其並非用 以限定本發明,任何熟習此技藝者,在不脫離本發明之精 神和範圍内,當可作各種之更動與潤飾,因此本發明之保 護範圍當視後附之申請專利範圍所界定者為準。 【圖式簡單說明】 為讓本發明之上述和其他目的、特徵、和優點能更明 顯易懂,下文特舉一較佳實施例,並配合所附圖式,作詳 細說明如下: 第1A圖係繪示本發明之一較佳實施例之流程圖; 第1B圖係繪示本發明之一較佳實施例之費伯納奇搜 21 1231702 尋法之流程圖; 第2A圖係繪示本發明之一較佳實施例之示意圖; 第2B圖係繪示本發明之另一較佳實施例之示意圖; 第3圖係繪示本發明之轉換矩陣之一較佳實施例之 示意圖; 第4A圖係繪示本發明之一較佳實施例之初始可能區 間之示意圖; 第4B圖係繪示本發明之一較佳實施例之第二次搜尋 可能區間之示意圖; 第4C圖係繪示本發明之另一較佳實施例之第二次搜 尋可能區間之示意圖; 第5圖係繪示本發明之另一較佳實施例之費伯納奇 搜尋法之示意圖; 第6A圖係繪示本發明之一較佳實施例之示意圖;以 及 第6B圖係繪示本發明之另一較佳實施例之示意圖。 【元件代表符號簡單說明】 160 ' 162、164、166、168 :步驟 170、172、174、176、178 :步驟 100a、100b :標準影像 1 02 :第一區段的標準參考點
103a、103b :第 104、106 :標準定位點 22 1231702 108 :標準定位點連線 110a、110b:第一標準影像區段 112、112a、112b、112c :標準特徵點 118a、118b :尾端邊界 120a、120b:第二標準影像區段 128a、128b :連線 132 :第一區段的標準向量 134 :第二區段的標準向量 142a、142b :初始邊界 148a、148b :尾端邊界 180 :第一預定距離 200a、200b ··被檢測影像 202 :第一區段的被檢測參考點 2〇3a、203b ··第二區段的被檢測參考點 204、206 :被檢測定位點 208 :被檢測定位點連線 210a、210b :第一被檢測影像區段 212、212a、212b、212c :被檢測特徵點 218a、218b :尾端邊界 220a、220b :第二被檢測影像區段 228a、228b :連線 232 :第一區段的被檢測向量 234 :第二區段的被檢測向量 242a、242b :初始邊界 1231702 248a、248b :尾端邊界 280 :第二預定距離 302 ··第一區段的縮放比轉換矩陣 304:第一區段的旋轉角轉換矩陣 3 06 ;第一區段的第一位移量轉換矩陣 308:第一區段的第二位移量轉換矩陣
24

Claims (1)

1231702 拾、申請專利範圍 1 · 一種區段式影像對正的方法,供對正一標準影像 以及一被檢測影像,該方法至少包含: 將該標準影像劃分出至少一標準影像區段,以及將該 被檢測影像劃分出至少一被檢測影像區段,其中該標準影 像區段具有複數個標準特徵點,以及該被檢測影像區段具 有複數個被檢測特徵點; 在5亥標準影像區段中選取一標準參考點,以及在該被 檢測衫像區段中選$ 一被檢測參考點,彡中該些標準特徵 點4 &準參考點之間形成複數個標準向量,以及該些被 檢測特徵點與該被檢測參考點之間形成複數個被檢測向 量; 對照忒些標準向量以及該些被檢測向量,得出至少一 轉換矩陣; 以費伯納奇搜尋法自該轉換矩陣得出一轉換參數;以 及 以該轉換參數調整該被檢測影像區段。 一 μ &如申%專利範圍第1項所述之方法,其中該至少 轉換矩陣至少白人 陣、 3 一縮放比轉換矩陣、一旋轉角轉換矩 第一位移量轉換矩陣以及一第二位移量轉換矩陣。 25 1231702 3.如申請專利第1項所述之方法,其中該費伯納 搜尋法至少包含: W 設定一精確度以及一初始可能區間,其中該初始可能 區間之兩端係為一最大可能值以及一最小可能值; 根據該精確度,得出一費伯納奇疊代次數; 依照该費伯納奇疊代次數,以一第一試驗點及—第二 試驗點將該初始可能區間分成一第一區間、一第二區間以 及一第三區間; 統計該轉換矩陣之複數個元素落在該些區間的數目; 比較第一區間與第二區間以及第二區間與第三區間 、…元素數目,保留總和元素數目較多的兩相鄰區間, 並移除另一區間;以及 以剩餘的該二區間作為新的可能區間,繼續疊代進行 上述步驟,得到一理想區間。 ;如申明專利範圍第3項所述之方法,其中該轉換 參數係為該理想區間之最大值者。 •如申清專利範圍第3項所述之方法,其中該費伯 納奇搜尋法更包含: 以U该第一試驗點與該第二試驗點之中點值將該初始 =區間分為—前半區間以及—後半區間,其中該前半區 曰^含該第-區間以及部分之該第二區間,以及該後半區 匕B部分之該第二區間以及該第三區間; 26 1231702 比較該些元素落在該前半區間以及該後半區間的數 目; 當該前半區間之元素數目大於該後半區間之元素數 目時,移除該第三區間;以及 當該後半區間之元素數目大於該後半區間之元素數 目時,移除該第一區間。 6·如申請專利範圍第5項所述之方法,其中係使用 一累加器來統計該些元素之數目。 7·如申請專利範圍第1項所述之方法,其中該方法 係分別以該些標準特徵點以及被檢測特徵點的數目來劃 分該標準影像區段以及該被檢測影像區段。 8.如申請專利範圍第1項所述之方法,其中該方法 係以距離來sij》该標準影像區段以及該被檢測影像區段。 9 ·如申研專利範圍第1項所述之方法,其中當該標 準影像具有兩個標準定位點,以及該被檢測影像具:兩: 被檢载位點時,該標準參考點係為該二標準定位點之連 線的中點’且該被檢測參相係為該n収位點之連 w·如申請專利範圍第 1項所述之方法,其中該標準 27 1231702 影像包含一第一標準影像區段以及一第二標準影像區 段,以及β亥被檢測影像包含一第一被檢測影像區段以及一 第二被檢測影像區段。 11.如申請專利範圍第10項所述之方法其中該方 法更包含: 依據該第二標準影像區段之最接近該第一標準影像 區段的標準特徵點,決定該第二標準影像區段之初始邊 籲 界;以及 依據該第二被檢測影像區段之最接近該第一被檢測 影像區段的被檢測特徵點,決定該第二被檢測影像區段之 初始邊界。 12·如申請專利範圍第η項所述之方法,其中當該 標準影像具有兩個標準定位點,以及該被檢測影像具有兩 個被檢測定位點時,該第二標準影像區段之初始邊界係與 該二標準定位點之連線平行,且該第二被檢測影像區段之 初始邊界係與該二被檢測定位點之連線平行。 13·如申請專利範圍第π項所述之方法,其中該第 二標準影像區段之標準參考點係位於該第二標準影像區 段之初始邊界上,且該第一標準影像區段之標準參考點與 該第二標準影像區段之標準參考點間的連線係垂直於該 第一標準影像區段之初始邊界;以及 28 1231702 該第二被檢測影像區段之被檢測參考點係位於該第 二被檢測影像區段之初始邊界上,且該第一被檢測影像區 段之被檢測參考點與該第二被檢測影像區段之被檢測參 考點間的連線係垂直於該第一被檢測影像區段之初始邊 界0 14·如申請專利範圍第10項所述之方法,其中該第 一標準影像區段之初始邊界與該第一標準影像區段之尾 端邊界間具有一第一預定距離,以及該第二被檢測影像區 &之初始邊界與該第一被檢測影像區段之尾端邊界間具 有一第二預定距離。 1 5 ·如申請專利範圍第14項所述之方法,其中當該 標準影像具有兩個標準定位點,以及該被檢測影像具有兩 個被檢測定位點時,該第二標準影像區段之初始邊界係與 該一標準定位點之連線平行,且該第二被檢測影像區段之 初始邊界係與該二被檢測定位點之連線平行。 iG·如申請專利範圍第14項所述之方法,其中該第 二標準影像區段之標準參考點係位於該第二標準影像區 段之初始邊界上,且該第一標準影像區段之標準參考點與 "亥第二標準影像區段之標準參考點間的連線係垂直於該 第一標準影像區段之初始邊界;以及 5亥第二被檢測影像區段之被檢測參考點係位於該第 29 1231702 二被檢測影像區段之初始邊界上,且該第一被檢測影像區 段之被檢測參考點與該第二被檢測影像區段之被檢測參 考點間的連線係垂直於該第一被檢測影像區段之初始邊 界0
30
TW093101260A 2004-01-16 2004-01-16 Segment based image registration method TWI231702B (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW093101260A TWI231702B (en) 2004-01-16 2004-01-16 Segment based image registration method
US10/952,926 US7400783B2 (en) 2004-01-16 2004-09-30 Segment based image registration method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW093101260A TWI231702B (en) 2004-01-16 2004-01-16 Segment based image registration method

Publications (2)

Publication Number Publication Date
TWI231702B true TWI231702B (en) 2005-04-21
TW200526015A TW200526015A (en) 2005-08-01

Family

ID=34748371

Family Applications (1)

Application Number Title Priority Date Filing Date
TW093101260A TWI231702B (en) 2004-01-16 2004-01-16 Segment based image registration method

Country Status (2)

Country Link
US (1) US7400783B2 (zh)
TW (1) TWI231702B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596829A (zh) * 2018-04-19 2018-09-28 广东工业大学 一种pcb裸板图片配准方法和装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2414328A (en) * 2004-05-17 2005-11-23 Mitsubishi Electric Inf Tech Discrimination transforms applied to frequency domain derived feature vectors
KR100653200B1 (ko) * 2006-01-09 2006-12-05 삼성전자주식회사 기하 정보를 교정하여 파노라마 영상을 제공하는 방법 및장치
US8335404B2 (en) * 2007-07-20 2012-12-18 Vision Louis Winter Dynamically varying classified image display system
KR101883354B1 (ko) * 2011-05-30 2018-07-30 삼성전자주식회사 터치 스크린을 구비한 기기에서 전자 지도의 브라우징을 위한 장치 및 방법
CN103646384B (zh) * 2013-12-20 2016-06-22 江苏大学 一种遥感扫描成像平台飞行速度的优化方法
EP3234912B1 (en) 2014-12-15 2020-08-26 Koninklijke Philips N.V. Quality control of image registration
GB2555675B (en) * 2016-08-05 2019-05-08 Secr Defence Method and apparatus for generating an enhanced digital image of a physical object or environment
CN114782724B (zh) * 2022-06-17 2022-11-08 联宝(合肥)电子科技有限公司 一种图像匹配方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6473517B1 (en) * 1999-09-15 2002-10-29 Siemens Corporate Research, Inc. Character segmentation method for vehicle license plate recognition
US7263243B2 (en) * 2003-12-29 2007-08-28 Carestream Health, Inc. Method of image registration using mutual information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596829A (zh) * 2018-04-19 2018-09-28 广东工业大学 一种pcb裸板图片配准方法和装置

Also Published As

Publication number Publication date
US20050157946A1 (en) 2005-07-21
TW200526015A (en) 2005-08-01
US7400783B2 (en) 2008-07-15

Similar Documents

Publication Publication Date Title
TWI231702B (en) Segment based image registration method
Cao et al. Rectifying the bound document image captured by the camera: A model based approach
US8447140B1 (en) Method and apparatus for estimating rotation, focal lengths and radial distortion in panoramic image stitching
US20090244299A1 (en) Image processing device, computer-readable storage medium, and electronic apparatus
CN109816706B (zh) 一种平滑约束与三角网等比例剖分像对稠密匹配方法
CN111553939A (zh) 一种多目摄像机的图像配准算法
CN103914819B (zh) 一种基于改进ransac的红外图像拼接方法
CN113222878A (zh) 一种图像拼接方法
US20160188559A1 (en) Ambiguity reduction for image alignment applications
CN109035363B (zh) 一种快速迭代的线圆最优拟合方法
CN112750078A (zh) 基于面向电动平台的显微图像实时拼接方法及存储介质
WO2022237368A1 (zh) 点云模型处理方法、装置及可读存储介质
KR101088144B1 (ko) 스테레오 카메라를 이용한물체의 거리 측정 방법
CN106651756B (zh) 一种基于sift和验证机制的图像配准方法
US8401277B2 (en) Method for restoration of building structure using infinity homographies calculated based on parallelograms
CN113689332B (zh) 高度重复特征场景下高鲁棒性的图像拼接方法
US20070058855A1 (en) Method for rapidly establishing image space relation using plane filtering constraint
CN110728296A (zh) 一种加速特征点匹配的两步随机抽样一致性方法及系统
Ishii et al. Wide-baseline stereo matching using ASIFT and POC
CN111899158B (zh) 考虑几何畸变的图像拼接方法
JP7166329B2 (ja) 走査アライメント装置およびその走査方法
CN114926659B (zh) 一种基于sift和cm的变形目标定位算法
US20210027421A1 (en) Image processing apparatus, image processing method, and computer readable recording medium
JP2885146B2 (ja) 画像マッチング方法
CN104318580A (zh) 一种模式搜索方法及装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees