TWI803333B - 圖像特徵匹配方法、電腦裝置及儲存介質 - Google Patents
圖像特徵匹配方法、電腦裝置及儲存介質 Download PDFInfo
- Publication number
- TWI803333B TWI803333B TW111120328A TW111120328A TWI803333B TW I803333 B TWI803333 B TW I803333B TW 111120328 A TW111120328 A TW 111120328A TW 111120328 A TW111120328 A TW 111120328A TW I803333 B TWI803333 B TW I803333B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- point
- feature
- feature point
- edge
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
- Holo Graphy (AREA)
Abstract
本發明提供一種圖像特徵匹配方法、電腦裝置及儲存介質,其中,所述方法包括:獲取第一圖像和第二圖像;基於邊緣檢測演算法確定第一圖像的第一弱紋理區域以及第二圖像的第二弱紋理區域;檢測第一弱紋理區域的第一特徵點與第二弱紋理區域的第二特徵點;基於色差值對第一特徵點和第二特徵點進行對應匹配,從第二特徵點中確定與第一特徵點的色差值最小的對應點作為目標對應點;確定目標對應點與第一特徵點的位置差異;根據位置差異確定第一特徵點的匹配點。本申請可以輔助圖像特徵匹配,有效提升圖像特徵匹配的準確率。
Description
本發明涉及影像處理技術領域,尤其涉及一種圖像特徵匹配方法、電腦裝置及儲存介質。
圖像立體匹配主要是建立兩幅二維圖像之間的圖元對應關係,計算兩幅二維圖像之間的視差以及獲取視差圖像。現有的匹配技術往往會出現因為光照影響、遮擋和圖像場景低紋理區域等因素引起的匹配結果錯誤。尤其是在進行低紋理區域的匹配時,在一整個區域都是低紋理同色系的情況下,小範圍的匹配判斷容易被誤導,僅利用顏色判斷是否匹配成功會造成很大的誤差。
鑒於以上內容,有必要提供一種圖像特徵匹配方法、電腦裝置及儲存介質,能夠結合色差值和距離差異進行圖像特徵匹配,有效提升圖像特徵匹配的準確率。
所述圖像特徵匹配方法包括:獲取第一圖像和第二圖像;基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域;檢測所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點;基於色差值對所述第一特徵點和所述第二特徵點進行匹配,從所述第二特徵點中確定與所述第一特徵點的色差值最小的對應點作為目標對應點;確定所述目標對應點與所述第一特徵點的位置差異;根據所述位置差異確定所
述第一特徵點的匹配點。
可選地,所述基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域包括:利用所述邊緣檢測演算法確定所述第一圖像的第一物件邊緣,對所述第一物件邊緣進行標記,將所述第一物件邊緣內的區域作為所述第一弱紋理區域,其中,所述邊緣檢測演算法包括Canny演算法;利用所述邊緣檢測演算法確定所述第二圖像的第二物件邊緣,對所述第二物件邊緣進行標記,將所述第二物件邊緣內的區域作為所述第二弱紋理區域。
可選地,所述檢測所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點包括:檢測所述第一圖像的Harris角點作為所述第一特徵點;檢測所述第二圖像的Harris角點作為所述第二特徵點。
可選地,所述基於色差值對所述第一特徵點和所述第二特徵點進行匹配,從所述第二特徵點中確定與所述第一特徵點的色差值最小的對應點作為目標對應點包括:將所述第一圖像設為基準圖像,根據極線約束從所述第二特徵點中確定任一第一特徵點的對應點以及所述對應點的數量;當所述對應點的數量大於預設值時,計算所述任一第一特徵點與每個對應點的色差值,將具有最小色差值的對應點作為所述目標對應點。
可選地,所述確定所述目標對應點與所述第一特徵點的位置差異包括:計算所述第一特徵點與所述第一物件邊緣的第一距離參數;計算所述目標對應點與所述第二物件邊緣的第二距離參數;根據所述第一距離參數與所述第二距離參數計算所述位置差異。
可選地,所述第一距離參數與所述第二距離參數分別包括預設數量的方向的距離數值。
可選地,所述根據所述第一距離參數與所述第二距離參數計算所述位置差異包括:計算所述第一距離參數與所述第二距離參數中每個方向對應的位置差值;根據預設的權重對每個方向對應的位置差值進行加權計算,獲得所
述位置差異。
可選地,所述根據所述位置差異確定所述第一特徵點的匹配點包括:判斷所述位置差異是否處於預設的閾值範圍內,將所述第二特徵點中處於所述閾值範圍內的目標對應點作為所述第一特徵點的匹配點。
所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現所述圖像特徵匹配方法。
所述電腦裝置包括儲存器和至少一個處理器,所述儲存器中儲存有至少一個指令,所述至少一個指令被所述至少一個處理器執行時實現所述圖像特徵匹配檢查方法。
相較於習知技術,所述圖像特徵匹配方法、電腦裝置及儲存介質,能結合色差值和距離差異進行圖像特徵匹配,不僅僅使用顏色來作為判斷依據,同時利用邊緣至圖元點的距離來描述圖元點在影像中的位置,增加圖像特徵匹配判斷時可使用的資訊,能夠避免因為顏色相近的判斷失誤,有效提升圖像特徵匹配的準確率。
3:電腦裝置
30:圖像特徵匹配系統
31:儲存器
32:處理器
S1~S6:步驟
為了更清楚地說明本申請實施例或習知技術中的技術方案,下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本申請的實施例,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據提供的附圖獲得其他的附圖。
圖1是本申請實施例提供的圖像特徵匹配方法的流程圖。
圖2是本申請實施例提供的第一特徵點與目標對應點的示例圖。
圖3是本申請實施例提供的計算沿“上”方向的第一距離參數的示例圖。
圖4是本申請實施例提供的計算沿“左”方向的第一距離參數的示例圖。
圖5是本申請實施例提供的第一特徵點A、C與目標對應點B、D的示例圖。
圖6是本申請實施例提供的電腦裝置的架構圖。
為了能夠更清楚地理解本申請的上述目的、特徵和優點,下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是,在不衝突的情況下,本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本申請,所描述的實施例僅僅是本申請一部分實施例,而不是全部的實施例。基於本申請中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬於本申請保護的範圍。
除非另有定義,本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的,不是旨在於限制本申請。
參閱圖1所示,為本申請較佳實施例的圖像特徵匹配方法的流程圖。
在本實施例中,所述圖像特徵匹配方法可以應用於電腦裝置中(例如圖6所示的電腦裝置),對於需要進行圖像特徵匹配的電腦裝置,可以直接在電腦裝置上集成本申請的方法所提供的用於圖像特徵匹配的功能,或者以軟體開發套件(Software Development Kit,SDK)的形式運行在電腦裝置上。
如圖1所示,所述圖像特徵匹配方法具體包括以下步驟,根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
步驟S1、電腦裝置獲取第一圖像和第二圖像。
在一個實施例中,電腦裝置可以回應用戶輸入,獲取所述第一圖像和第二圖像。此外,電腦裝置也可以直接與一個或多個拍攝裝置連接以直接獲取多個圖像,還可以預先儲存所述第一圖像和第二圖像在電腦裝置的儲存器中,
或者預先儲存所述第一圖像和第二圖像在與電腦裝置通訊連接的其他設備中。所述第一圖像和第二圖像可以是從兩個不同視角拍攝的同一物品或場景的兩張照片。
在一個實施例中,電腦裝置還可以獲取一張初始圖像,對所述初始圖像進行尺度與解析度變換,獲得不同尺度與解析度下的兩張圖像作為所述第一圖像與所述第二圖像。例如,電腦裝置可以基於尺度不變特徵變換(Scale-invariant feature transform,SIFT)技術,按照預先設置的尺度因數對所述初始圖像進行尺度變換,之後基於高斯模糊(Gaussian Blur)演算法對所述初始圖像進行解析度變換。
在本申請的實施例中,所述第一圖像與所述第二圖像的圖片尺寸一致。
步驟S2、電腦裝置基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域。
在一個實施例中,所述基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域包括:利用所述邊緣檢測演算法確定所述第一圖像的第一物件邊緣,對所述第一物件邊緣進行標記,將所述第一物件邊緣內的區域作為所述第一弱紋理區域,其中,所述邊緣檢測演算法包括Canny演算法;利用所述邊緣檢測演算法確定所述第二圖像的第二物件邊緣,對所述第二物件邊緣進行標記,將所述第二物件邊緣內的區域作為所述第二弱紋理區域。
在一個實施例中,利用Canny演算法確定所述第一圖像的第一物件邊緣包括:獲取所述第一圖像中的圖元點的灰度值,基於高斯公式生成濾波運算元,根據所述第一圖像中的圖元點的灰度值與所述濾波運算元對所述第一圖像進行去噪,獲得去噪後的第一圖像;
利用預設的高斯濾波器對所述去噪後的第一圖像進行梯度計算,獲得所述第一圖像中任一圖元點的梯度,獲得所述去噪後的第一圖像的梯度幅值圖像;對所述梯度幅值圖像進行非極大值抑制處理,將所述梯度幅值圖像中梯度幅值的局部最大值對應的圖元點作為初始物件邊緣點,其中,若任一圖元點處的梯度幅值大於沿梯度方向上與其相鄰的兩個圖元點的梯度幅值,則將所述任一圖元點作為所述梯度幅值的局部最大值對應的圖元點;基於雙閾值演算法對所述初始物件邊緣點進行篩選,獲得目標邊緣點,其中,所述篩選包括對低於預設閾值的假邊緣點進行剔除;將所述目標邊緣點進行連接,獲得所述第一物件邊緣。
在一個實施例中,電腦裝置還可以利用Roberts運算元、Prewitt運算元、Sobel運算元或Laplacian運算元對所述第一圖像進行邊緣檢測。
在一個實施例中,電腦裝置可以透過利用預先編寫的MATLAB編碼程式將所述第一物件邊緣設置為任意顏色,從而對所述第一物件邊緣進行標記。
在一個實施例中,確定所述第二物件邊緣的方法與確定所述第一物件邊緣的方法相同,標記所述第二物件邊緣的方法與標記所述第一物件邊緣的方法相同。
在一個實施例中,弱紋理區域是一個相對的概念,同一個物品或場景在較高解析度的圖像中是弱紋理區域,在較低解析度的圖像中會具有更豐富的細節。
步驟S3、電腦裝置檢測所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點。
在一個實施例中,所述提取所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點包括:檢測所述第一圖像的Harris角點作為所述第一特徵點;檢測所述第二圖像的Harris角點作為所述第二特徵點。
在一個實施例中,電腦裝置可以使用OpenCV中的cornerHairrs()函數實現對所述第一圖像的Harris角點與所述第二圖像的Harris角點的檢測。Harris角點檢測演算法的原理包括:以圖像中的任一圖元點為中心創建局部視窗,如果所述局部視窗向任意方向的微小移動都導致灰度值的明顯變化(例如,灰度值的變化值大於預設變化閾值),則認為所述任一圖元點是一個Harris角點。
步驟S4、電腦裝置基於色差值對所述第一特徵點和所述第二特徵點進行匹配,從所述第二特徵點中確定與所述第一特徵點的色差值最小的對應點作為目標對應點。
在一個實施例中,所述基於色差值對所述第一特徵點和所述第二特徵點進行對應匹配,從所述第二特徵點中確定與所述第一特徵點的色差值最小的對應點作為目標對應點包括:將所述第一圖像設為基準圖像,根據極線約束(epipolar constraint)從所述第二特徵點中確定任一第一特徵點的對應點以及所述對應點的數量;當所述對應點的數量大於預設值(例如,1)時,計算所述任一第一特徵點與每個對應點的色差值,將具有最小色差值的對應點作為所述目標對應點。
在一個實施例中,所述極線約束描述的是當同一個點投影到兩個不同視角的圖像上時,像點、相機光心在投影模型下形成的約束,基於極線約束可以縮小特徵點匹配時的搜索範圍。
例如圖2所示,為本申請實施例提供的第一特徵點與目標對應點的示例圖,其中的左側圖像表示所述第一圖像,右側圖像表示所述第二圖像,陰影部分分別表示所述第一弱紋理區域與所述第二弱紋理區域,其中每個小方格表示一個圖元點(包括所述第一特徵點或所述第二特徵點),如其中的虛線箭頭指向所示,當所述任一第一特徵點(左側圖像中虛線箭頭的起始點所在的圖元點)與所述任一第一特徵點的相鄰兩個對應點(右側圖像中虛線箭頭的箭頭所在的圖元點)的色差值相同時,會出現兩個目標對應點,所以不能僅僅將顏
色作為匹配時的判斷依據。
步驟S5、電腦裝置確定所述目標對應點與所述第一特徵點的位置差異。
在一個實施例中,所述確定所述目標對應點與所述第一特徵點的位置差異包括:計算所述第一特徵點與所述第一物件邊緣的第一距離參數;計算所述目標對應點與所述第二物件邊緣的第二距離參數;根據所述第一距離參數與所述第二距離參數計算所述位置差異。
在一個實施例中,所述第一距離參數與所述第二距離參數分別包括預設數量的方向的距離數值(例如,按照每個圖元點所佔的長度為1進行計算)。
沿所述預設數量的方向中的任一方向計算所述距離數值時的停止準則包括:當計算至物件邊緣(包括所述第一物件邊緣或所述第二物件邊緣)或圖像邊緣(包括所述第一圖像的邊緣或所述第二圖像的邊緣)時,即停止計算。
舉例而言,所述預設數量可以為4,所述預設數量的方向可以包括“上、下、左、右”這四個方向。所述第一距離參數可以包括所述第一特徵點在“上、下、左、右”這四個方向上,與所述第一物件邊緣的距離。
例如圖3所示,為本申請實施例提供的計算沿“上”方向的第一距離參數的示例圖。圖3表示所述第一圖像,其中陰影部分表示所述第一物件邊緣,其中每個小方格表示一個圖元點(包括所述第一特徵點),其中每個小方格的數值表示每個圖元點與所述第一物件邊緣的第一距離參數中“上”這一方向上的參數。其中,實線箭頭的起始點所在圖元點表示計算所述第一距離參數中“上”這一方向的參數的起始位置,實線箭頭的箭頭所在圖元點表示根據所述停止準則停止計算時的終止位置(包括所述第一圖像邊緣或所述第一圖像的邊緣)。
例如圖4所示,為本申請實施例提供的計算沿“左”方向的第一距離參數的示例圖。圖4表示所述第一圖像,其中陰影部分表示所述第一物件邊
緣,其中每個小方格表示一個圖元點(包括所述第一特徵點),其中每個小方格的數值表示每個圖元點與所述第一物件邊緣的第一距離參數中“左”這一方向的參數。其中,實線箭頭的起始點所在圖元點表示計算所述第一距離參數中“左”這一方向上的參數的起始位置,實線箭頭的箭頭所在圖元點表示根據所述停止準則停止計算時的終止位置(包括所述第一圖像邊緣或所述第一圖像的邊緣)。
在一個實施例中,計算所述第一物件邊緣的第一距離參數中“右”與“下”的方向上的參數的計算方法與上述示例類似。計算所述第二距離參數的方法與計算所述第一距離參數的方法相同。
例如圖5所示,按照上述方法,得到左側的第一圖像的陰影部分中的第一特徵點A的第一距離參數為(1,1,1,1)(分別對應“上、下、左、右”四個方向的距離參數),其中第一圖像的陰影部分表示所述第一弱紋理區域。同樣的,按照上述方法,得到右側的第二圖像的陰影部分中目標對應點B的第二距離參數為(2,1,0,1)(分別對應“上、下、左、右”四個方向的距離參數),其中第二圖像的陰影部分表示所述第二弱紋理區域。
同樣的,按照上述方法,得到左側的第一圖像的陰影部分中的第一特徵點C的第一距離參數為(2,1,1,1)(分別對應“上、下、左、右”四個方向的距離參數);得到右側的第二圖像的陰影部分左上角的目標對應點D的第二距離參數為(1,0,1,1)(分別對應“上、下、左、右”四個方向的距離參數)。
在一個實施例中,所述根據所述第一距離參數與所述第二距離參數計算所述位置差異包括:計算所述第一距離參數與所述第二距離參數中每個方向對應的位置差值;根據預設的權重對每個方向對應的位置差值進行加權計算,獲得所述位置差異。
舉例而言,例如圖5所示,第一特徵點A的第一距離參數為(1,1,1,1),目標對應點B的第二距離參數為(2,1,0,1),那麼計算每個方向對應的位置差值時可以將這兩個距離參數視為向量,進行對應相減:(1,1,1,1)-(2,1,0,1)=(-1,0,1,0),
從而得到第一特徵點A與目標對應點B的“上、下、左、右”四個方向對應的位置差值分別為-1、0、1、0。需要說明的是,在其他實施例中,還可以將位置差異取絕對值。
同樣的,可以得到第一特徵點C與目標對應點D的“上、下、左、右”四個方向對應的位置差值分別為1、1、0、0。
在一個實施例中,所述預設的權重可以基於所述第一圖像與所述第二圖像中相同的物品或場景進行設定。例如,當所述相同的物品為豎直的柵欄時,對於其左右方向的校準就要更為重視,可以將左右兩個方向的權重設置為2,上下兩個方向的權重設置為1。
舉例而言,第一特徵點A與目標對應點B的“上、下、左、右”四個方向對應的位置差值分別為-1、0、1、0,左右兩個方向的預設的權重為2,上下兩個方向的預設的權重為1,那麼加權計算得到:-1×1+0×1+1×2+0×2=1,即第一特徵點A與目標對應點B的所述位置差異為1。
同樣的,第一特徵點C與目標對應點D的所述位置差異為:1×1+1×1+0×2+0×2=2。
步驟S6、電腦裝置根據所述位置差異確定所述第一特徵點的匹配點。
在一個實施例中,所述根據所述位置差異確定所述第一特徵點的匹配點包括:判斷所述位置差異是否處於預設的閾值範圍(例如,1)內,將所述第二特徵點中處於所述閾值範圍內的目標對應點作為所述第一特徵點的匹配點。
舉例而言,第一特徵點A與目標對應點B的所述位置差異為1,處於預設的閾值範圍1內,所以將目標對應點B作為第一特徵點A的匹配點。第一特徵點C與目標對應點D的所述位置差異為2,不在預設的閾值範圍1內,所以目標對應點D不是第一特徵點C的匹配點。
上述圖1詳細介紹了本申請的圖像特徵匹配方法,下面結合圖6,對實現所述圖像特徵匹配方法的軟體系統的功能模組以及實現所述圖像特徵匹配方法的硬體裝置架構進行介紹。
應該瞭解,所述實施例僅為說明之用,在專利申請範圍上並不受此結構的限制。
參閱圖6所示,為本申請較佳實施例提供的電腦裝置的結構示意圖。
在本申請較佳實施例中,所述電腦裝置3包括儲存器31、至少一個處理器32。本領域技術人員應該瞭解,圖6示出的電腦裝置的結構並不構成本申請實施例的限定,既可以是匯流排型結構,也可以是星形結構,所述電腦裝置3還可以包括比圖示更多或更少的其他硬體或者軟體,或者不同的部件佈置。
在一些實施例中,所述電腦裝置3包括一種能夠按照事先設定或儲存的指令,自動進行數值計算和/或資訊處理的終端,其硬體包括但不限於微處理器、專用積體電路、可程式設計閘陣列、數位訊號處理器及嵌入式設備等。
需要說明的是,所述電腦裝置3僅為舉例,其他現有的或今後可能出現的電子產品如可適應於本申請,也應包含在本申請的保護範圍以內,並以引用方式包含於此。
在一些實施例中,所述儲存器31用於儲存程式碼和各種資料。例如,所述儲存器31可以用於儲存安裝在所述電腦裝置3中的圖像特徵匹配系統30,並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31包括唯讀儲存器(Read-Only Memory,ROM)、可程式設計唯讀記憶體(Programmable Read-Only Memory,PROM)、可抹除可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory,EPROM)、一次可程式設計唯讀記憶體(One-time Programmable Read-Only Memory,OTPROM)、電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、唯讀光碟(Compact Disc Read-Only Memory,CD-ROM)或其他
光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的電腦可讀的儲存介質。
在一些實施例中,所述至少一個處理器32可以由積體電路組成,例如可以由單個封裝的積體電路所組成,也可以是由多個相同功能或不同功能封裝的積體電路所組成,包括一個或者多個中央處理器(Central Processing unit,CPU)、微處理器、數位訊號處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit),利用各種介面和線路連接整個電腦裝置3的各個部件,透過運行或執行儲存在所述儲存器31內的程式或者模組,以及調用儲存在所述儲存器31內的資料,以執行電腦裝置3的各種功能和處理資料,例如執行圖1所示的圖像特徵匹配的功能。
在一些實施例中,所述圖像特徵匹配系統30運行於電腦裝置3中。所述圖像特徵匹配系統30可以包括多個由程式碼段所組成的功能模組。所述圖像特徵匹配系統30中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中,並由至少一個處理器32所執行,以實現圖1所示的圖像特徵匹配的功能。
本實施例中,所述圖像特徵匹配系統30根據其所執行的功能,可以被劃分為多個功能模組。本申請所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段,其儲存在儲存器中。
儘管未示出,所述電腦裝置3還可以包括給各個部件供電的電源(比如電池),優選的,電源可以透過電源管理裝置與所述至少一個處理器32邏輯相連,從而透過電源管理裝置實現管理充電、放電、以及功耗管理等功能。電源還可以包括一個或一個以上的直流或交流電源、再充電裝置、電源故障測試電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。所述電腦裝置3還可以包括多種感測器、藍牙模組、Wi-Fi模組等,在此不再贅述。
應該瞭解,所述實施例僅為說明之用,在專利申請範圍上並不受此
結構的限制。
上述以軟體功能模組的形式實現的集成的單元,可以儲存在一個電腦可讀取儲存介質中。上述軟體功能模組儲存在一個儲存介質中,包括若干指令用以使得一台電腦裝置(可以是伺服器、個人電腦等)或處理器(processor)執行本申請各個實施例所述方法的部分。
所述儲存器31中儲存有程式碼,且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。儲存在所述儲存器31中的程式碼可以由所述至少一個處理器32所執行,從而實現所述各個模組的功能以達到圖像特徵匹配的目的。
在本申請所提供的幾個實施例中,應該理解到,所揭露的裝置和方法,可以透過其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述模組的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外,在本申請各個實施例中的各功能模組可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言,顯然本申請不限於上述示範性實施例的細節,而且在不背離本申請的精神或基本特徵的情況下,能夠以其他的具體形式實現本申請。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將
請求項中的任何附圖標記視為限制所涉及的請求項。此外,顯然“包括”一詞不排除其他單元或,單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一,第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後所應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照以上較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S1~S6:步驟
Claims (10)
- 一種圖像特徵匹配方法,應用於電腦裝置,其中,所述方法包括:獲取第一圖像和第二圖像;基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域;檢測所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點;基於色差值對所述第一特徵點和所述第二特徵點進行匹配,從所述第二特徵點中確定與所述第一特徵點的色差值最小的對應點作為目標對應點;確定所述目標對應點與所述第一特徵點的位置差異;根據所述位置差異確定所述第一特徵點的匹配點。
- 如請求項1所述的圖像特徵匹配方法,其中,所述基於邊緣檢測演算法確定所述第一圖像的第一弱紋理區域以及所述第二圖像的第二弱紋理區域包括:利用所述邊緣檢測演算法確定所述第一圖像的第一物件邊緣,對所述第一物件邊緣進行標記,將所述第一物件邊緣內的區域作為所述第一弱紋理區域,其中,所述邊緣檢測演算法包括Canny演算法;利用所述邊緣檢測演算法確定所述第二圖像的第二物件邊緣,對所述第二物件邊緣進行標記,將所述第二物件邊緣內的區域作為所述第二弱紋理區域。
- 如請求項1所述的圖像特徵匹配方法,其中,所述檢測所述第一弱紋理區域的第一特徵點與所述第二弱紋理區域的第二特徵點包括:檢測所述第一圖像的Harris角點作為所述第一特徵點;檢測所述第二圖像的Harris角點作為所述第二特徵點。
- 如請求項1所述的圖像特徵匹配方法,其中,所述基於色差值對所述第一特徵點和所述第二特徵點進行匹配,從所述第二特徵點中確定與所 述第一特徵點的色差值最小的對應點作為目標對應點包括:將所述第一圖像設為基準圖像,根據極線約束從所述第二特徵點中確定任一第一特徵點的對應點以及所述對應點的數量;當所述對應點的數量大於預設值時,計算所述任一第一特徵點與每個對應點的色差值,將具有最小色差值的對應點作為所述目標對應點。
- 如請求項2所述的圖像特徵匹配方法,其中,所述確定所述目標對應點與所述第一特徵點的位置差異包括:計算所述第一特徵點與所述第一物件邊緣的第一距離參數;計算所述目標對應點與所述第二物件邊緣的第二距離參數;根據所述第一距離參數與所述第二距離參數計算所述位置差異。
- 如請求項5所述的圖像特徵匹配方法,其中,所述第一距離參數與所述第二距離參數分別包括預設數量的方向的距離數值。
- 如請求項6所述的圖像特徵匹配方法,其中,所述根據所述第一距離參數與所述第二距離參數計算所述位置差異包括:計算所述第一距離參數與所述第二距離參數中每個方向對應的位置差值;根據預設的權重對每個方向對應的位置差值進行加權計算,獲得所述位置差異。
- 如請求項1或7所述的圖像特徵匹配方法,其中,所述根據所述位置差異確定所述第一特徵點的匹配點包括:判斷所述位置差異是否處於預設的閾值範圍內,將所述第二特徵點中處於所述閾值範圍內的目標對應點作為所述第一特徵點的匹配點。
- 一種電腦可讀儲存介質,其中,所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至8中任意一項所述的圖像特徵匹配方法。
- 一種電腦裝置,其中,該電腦裝置包括儲存器和至少一個處理器,所述儲存器中儲存有至少一個指令,所述至少一個指令被所述至少一個 處理器執行時實現如請求項1至8中任意一項所述的圖像特徵匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111120328A TWI803333B (zh) | 2022-05-31 | 2022-05-31 | 圖像特徵匹配方法、電腦裝置及儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111120328A TWI803333B (zh) | 2022-05-31 | 2022-05-31 | 圖像特徵匹配方法、電腦裝置及儲存介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI803333B true TWI803333B (zh) | 2023-05-21 |
TW202349341A TW202349341A (zh) | 2023-12-16 |
Family
ID=87424614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111120328A TWI803333B (zh) | 2022-05-31 | 2022-05-31 | 圖像特徵匹配方法、電腦裝置及儲存介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI803333B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150278979A1 (en) * | 2014-03-31 | 2015-10-01 | Samsung Electronics Co., Ltd. | Automatic image selecting apparatus and method |
CN111899164A (zh) * | 2020-06-01 | 2020-11-06 | 东南大学 | 一种针对多焦段场景的图像拼接方法 |
CN111914913A (zh) * | 2020-07-17 | 2020-11-10 | 三峡大学 | 一种新型立体匹配优化方法 |
CN112907580A (zh) * | 2021-03-26 | 2021-06-04 | 东南大学 | 一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法 |
US20220076000A1 (en) * | 2019-05-21 | 2022-03-10 | Huawei Technologies Co., Ltd. | Image Processing Method And Apparatus |
CN114299312A (zh) * | 2021-12-10 | 2022-04-08 | 中国科学技术大学 | 一种线段匹配方法及匹配系统 |
-
2022
- 2022-05-31 TW TW111120328A patent/TWI803333B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150278979A1 (en) * | 2014-03-31 | 2015-10-01 | Samsung Electronics Co., Ltd. | Automatic image selecting apparatus and method |
US20220076000A1 (en) * | 2019-05-21 | 2022-03-10 | Huawei Technologies Co., Ltd. | Image Processing Method And Apparatus |
CN111899164A (zh) * | 2020-06-01 | 2020-11-06 | 东南大学 | 一种针对多焦段场景的图像拼接方法 |
CN111914913A (zh) * | 2020-07-17 | 2020-11-10 | 三峡大学 | 一种新型立体匹配优化方法 |
CN112907580A (zh) * | 2021-03-26 | 2021-06-04 | 东南大学 | 一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法 |
CN114299312A (zh) * | 2021-12-10 | 2022-04-08 | 中国科学技术大学 | 一种线段匹配方法及匹配系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202349341A (zh) | 2023-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229307B (zh) | 用于物体检测的方法、装置和设备 | |
JP5538868B2 (ja) | 画像処理装置、その画像処理方法及びプログラム | |
CN113167742B (zh) | 混凝土构造物的点检辅助装置、点检辅助方法及记录介质 | |
US20150146006A1 (en) | Display control apparatus and display control method | |
CN109934873B (zh) | 标注图像获取方法、装置及设备 | |
JP2018036226A (ja) | 画像処理プログラム、画像処理方法および画像処理装置 | |
JP2018169831A (ja) | 画像比較装置 | |
CN103985106B (zh) | 用于对强噪声图像进行多帧融合的设备和方法 | |
CN112883955A (zh) | 货架布局检测方法、装置及计算机可读存储介质 | |
US11037014B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
Min et al. | Non-contact and real-time dynamic displacement monitoring using smartphone technologies | |
CN110222569B (zh) | 对象检测方法、装置、电子设备及可读存储介质 | |
CN110163914B (zh) | 基于视觉的定位 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测系统 | |
CN113298707B (zh) | 图像帧拼接方法、视频巡检方法、装置、设备及存储介质 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN104349125B (zh) | 一种区域监控方法及设备 | |
JP2019121356A (ja) | 干渉領域検出装置と方法及び電子機器 | |
TWI803333B (zh) | 圖像特徵匹配方法、電腦裝置及儲存介質 | |
CN117218633A (zh) | 一种物品检测方法、装置、设备及存储介质 | |
CN116363753A (zh) | 一种基于运动历史图像的摔倒检测方法和装置、电子设备 | |
CN116046790A (zh) | 缺陷检测方法、装置、系统、电子设备以及存储介质 | |
CN116203976A (zh) | 变电站室内巡检方法、装置、无人机和存储介质 | |
CN113508395B (zh) | 用于检测由像素构成的图像中的对象的方法和设备 | |
US20230386055A1 (en) | Image feature matching method, computer device, and storage medium |