8.18.28.38.4基于像素的匹配基于特征的匹配圖像金字塔Matching助手第8章

圖像匹配HALCON數(shù)字圖像處理8.1 基于像素的匹配

圖像的灰度值信息包含了圖像記錄的所有信息。基于圖像像素灰度值的匹配是最基本的匹配算法。通常直接利用整幅圖像的灰度信息建立兩幅圖像之間的相似性度量，然后采用某種搜索方法尋找使相似性度量值最大或最小的變換模型的參數(shù)值。HALCON數(shù)字圖像處理

歸一化積相關(guān)（NCC）是一種典型的基于灰度相關(guān)的算法，具有不受比例因子誤差影響和抗白噪聲干擾能力強(qiáng)等優(yōu)點(diǎn)。圖像的歸一化積相關(guān)灰度匹配算法實(shí)現(xiàn)的步驟描述如下：（1）獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。（2）建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保存匹配完成后的圖像，將帶匹配圖像復(fù)制到目標(biāo)圖像中。（3）逐個(gè)掃描原圖像中的像素點(diǎn)所對(duì)應(yīng)的模板子圖，求出每一個(gè)像素點(diǎn)位置的歸一化積相關(guān)函數(shù)值，找到圖像中最大歸一化函數(shù)值的位置，記錄像素點(diǎn)的位置。（4）將目標(biāo)圖像所有像素值減半以便和原圖區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中第三步中記錄的像素點(diǎn)位置。1、歸一化積相關(guān)灰度匹配HALCON數(shù)字圖像處理

序貫相關(guān)性檢測(cè)算法（SSDA）在待匹配圖像的每個(gè)位置上以隨機(jī)不重復(fù)的順序選擇像元，并累計(jì)模板和待匹配圖像在該像元的灰度差，若累計(jì)值大于某一指定閾值，則說(shuō)明該位置為非匹配位置，停止本次計(jì)算，進(jìn)行下一個(gè)位置的測(cè)試，直到找到最佳匹配位置。圖像的序貫相似性檢測(cè)算法實(shí)現(xiàn)步驟如下：（1）獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。（2）建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保存圖像匹配后的圖像，將待匹配圖像復(fù)制到目標(biāo)圖像中。（3）逐個(gè)掃描原圖像中的像素點(diǎn)所對(duì)應(yīng)的模板子圖，求出每一個(gè)像素點(diǎn)位置的絕對(duì)誤差值，當(dāng)累加絕對(duì)誤差值超過(guò)閾值時(shí)，停止累加，記錄像素點(diǎn)的位置和累加次數(shù)。（4）循環(huán)步驟（3），直到處理完原圖像的全部像素點(diǎn)，累加次數(shù)最少的像素點(diǎn)為最佳匹配點(diǎn)。（5）將目標(biāo)圖像所有像素值減半以便和原圖區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中步驟（4）記錄的像素點(diǎn)位置。2、序貫相似性檢測(cè)法匹配HALCON數(shù)字圖像處理序貫相關(guān)性檢測(cè)算法的改進(jìn)如下：(1)對(duì)于(N-M+1)個(gè)參考點(diǎn)的選用順序可以不逐點(diǎn)推進(jìn)。(2)在某參考點(diǎn)(i,j)處，對(duì)模板覆蓋下的M^2個(gè)點(diǎn)對(duì)的計(jì)算順序可用于i，j無(wú)關(guān)的隨機(jī)方式計(jì)算誤差，也可采用適應(yīng)圖像內(nèi)容的方式，按模板中突出特征選取偽隨機(jī)序列，決定計(jì)算誤差的先后順序，以便及早拋棄那些非匹配點(diǎn)。(3)模板在(i,j)點(diǎn)得到的累積誤差映射為上述曲面數(shù)值的方法，是否最佳還可以探索。(4)不選用固定閾值T_k，而改用單調(diào)增長(zhǎng)的閾值序列，使非匹配點(diǎn)使用更少的計(jì)算就可以達(dá)到閾值而被丟棄，真匹配點(diǎn)則需要更多次誤差累計(jì)才達(dá)到閾值。2、序貫相似性檢測(cè)法匹配HALCON數(shù)字圖像處理基于像素的匹配實(shí)例（a）模板圖像（b）模板矩形區(qū)域（c）模板（d）目標(biāo)圖像（e）匹配結(jié)果HALCON數(shù)字圖像處理基于像素的匹配實(shí)例(1)create_ncc_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Metric:ModelID)功能：使用圖像創(chuàng)建NCC匹配模板。(2)find_ncc_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels:Row,Column,Angle,Score)功能：搜索NCC最佳匹配。核心算子HALCON數(shù)字圖像處理8.2

基于特征的匹配利用灰度信息匹配方法的主要缺陷是計(jì)算量過(guò)大、對(duì)圖像的灰度變化比較敏感，尤其是非線性的光照變化，將大大降低算法的性能。此外，對(duì)目標(biāo)的旋轉(zhuǎn)、形變以及遮擋也比較敏感。為了克服這些缺點(diǎn)，可以利用圖像特征進(jìn)行匹配的方法。特征匹配是指建立兩幅圖像中特征點(diǎn)之間對(duì)應(yīng)關(guān)系的過(guò)程。用數(shù)學(xué)語(yǔ)言可以描述為：兩幅圖像A和B中分別有m和n個(gè)特征點(diǎn)（m和n通常是不相等的），其中有k對(duì)點(diǎn)是兩幅圖像中共同擁有的，則如何確定兩幅圖像中k對(duì)相對(duì)應(yīng)的點(diǎn)對(duì)即為特征匹配要解決的問(wèn)題。HALCON數(shù)字圖像處理

在圖像處理中，矩是一種統(tǒng)計(jì)特性，可以使用不同階次的矩計(jì)算模板的位置、方向和尺度變換參數(shù)。由于高階矩對(duì)噪聲和變形非常敏感，因此在實(shí)際應(yīng)用中通常選用低階矩來(lái)實(shí)現(xiàn)圖像匹配。實(shí)現(xiàn)步驟（1） 獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。（2） 求出待匹配圖像和模板圖像的7個(gè)不變矩。（3） 求出待匹配圖像和模板圖像的相關(guān)值。1、不變矩匹配法HALCON數(shù)字圖像處理距離變換是一種常見(jiàn)的二值圖像處理算法，距離變換匹配的原理是計(jì)算模板圖覆蓋下的那塊子圖與模板圖之間的距離，也就是計(jì)算子圖中的邊緣點(diǎn)到模板圖中最近的邊緣點(diǎn)的距離。實(shí)現(xiàn)步驟（1）獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。（2）建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保留圖像匹配后的圖像，將待匹配圖像復(fù)制到目標(biāo)圖像中。（3）逐個(gè)掃描原圖像中的像素點(diǎn)所對(duì)應(yīng)的模板子圖，求出每個(gè)像素點(diǎn)位置的最小距離值，記錄像素點(diǎn)的位置。（4）循環(huán)步驟（3），直到處理完原圖像的全部像素點(diǎn)，距離最小的像素點(diǎn)為最佳匹配點(diǎn)。（5）將目標(biāo)圖像所有像素值減半以便和原圖像區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中步驟（4）記錄的像素點(diǎn)位置。2、距離變換匹配法HALCON數(shù)字圖像處理最小均方誤差匹配方法是利用圖像中的對(duì)應(yīng)特征點(diǎn)，通過(guò)解特征點(diǎn)的變換方程來(lái)計(jì)算圖像間的變換參數(shù)。實(shí)現(xiàn)步驟（1）獲得待匹配圖像、模板圖像數(shù)據(jù)的地址、存儲(chǔ)的高度和寬度。（2）建立一個(gè)目標(biāo)圖像指針，并分配內(nèi)存，以保留圖像匹配后的圖像，將待匹配圖像復(fù)制到目標(biāo)圖像中。（3）逐個(gè)掃描原圖像中的像素點(diǎn)所對(duì)應(yīng)的模板子圖，構(gòu)造點(diǎn)坐標(biāo)矩陣，然后求出放射變換向量，解出最小均方誤差值。（4）循環(huán)步驟（3），直到處理完原圖像的全部像素點(diǎn)，最小均方誤差值最小的像素點(diǎn)為最佳匹配點(diǎn)。（5）將目標(biāo)圖像所有像素值減半以便和原圖區(qū)別，把模板圖像復(fù)制到目標(biāo)圖像中步驟（4）記錄的像素點(diǎn)位置。3、最小均方誤差匹配法HALCON數(shù)字圖像處理基于形狀特征的模板匹配(a)模板圖像(b)模板(c)目標(biāo)圖像(d)匹配結(jié)果HALCON數(shù)字圖像處理基于形狀特征的模板匹配核心算子(1)create_scaled_shape_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,ScaleMin,ScaleMax,ScaleStep,Optimization,Metric,Contrast,MinContrast:ModelID)功能:使用圖像創(chuàng)建帶有縮放的形狀匹配模型。(2)get_shape_model_contours（:ModelContours:ModelID,Level;）功能：獲取形狀模版的輪廓。

(3)find_scaled_shape_model(Image::ModelID,AngleStart,AngleExtent,ScaleMin,ScaleMax,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Scale,Score)功能：尋找單個(gè)帶尺度形狀模板最佳匹配。HALCON數(shù)字圖像處理8.3

圖像金字塔圖像金字塔是一種以多分辨率來(lái)解釋圖像的有效但概念簡(jiǎn)單的結(jié)構(gòu)，廣泛應(yīng)用于圖像分割、機(jī)器視覺(jué)和圖像壓縮。

金字塔的底部是待處理圖像的高分辨率表示，而頂部是低分辨率的近似。我們將一層一層的圖像比喻成金字塔，層級(jí)越高，則圖像越小，分辨率越低。HALCON數(shù)字圖像處理

常見(jiàn)的圖像金字塔有兩種，高斯金字塔和拉普拉斯金字塔。高斯金字塔(Gaussianpyramid)用來(lái)向下采樣，是主要的圖像金字塔。

拉普拉斯金字塔(Laplacianpyramid)用來(lái)從金字塔低層圖像重建上層未采樣圖像，也就是在數(shù)字圖像處理中的預(yù)測(cè)殘差，可以對(duì)圖像進(jìn)行最大程度的還原，配合高斯金字塔一起使用。兩類圖像金字塔HALCON數(shù)字圖像處理圖像金字塔應(yīng)用HALCON數(shù)字圖像處理圖像金字塔應(yīng)用(1)inspect_shape_model（Image:ModelImages,ModelRegions:NumLevels,Contrast）功能：根據(jù)金字塔層數(shù)和對(duì)比度檢查要生成的模版是否合適。(2)create_shape_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Optimization,Metric,Contrast,MinContrast:ModelID)功能：使用圖像創(chuàng)建形狀匹配模型。(3)find_shape_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Score)功能：尋找單個(gè)形狀模板最佳匹配。核心算子HALCON數(shù)字圖像處理8.4

Matching助手

HALCON自帶的Matching助手可以使感興趣區(qū)域獲取更方便,參數(shù)設(shè)置更