超级会员免费看
本文探讨了在计算机视觉和图像处理中，如何利用最小二乘法提高形状模板匹配的精度。通过比较SubPixel参数设置为none、interpolation和least_squares时的匹配效果，展示了最小二乘法在减小匹配偏差和提高亚像素精度方面的优势。文章详细解释了最小二乘法的原理，并提供了一种寻找模板点与图像边缘最近点的方法。最终，实现了基于最小二乘法的位姿调整，显著提升了匹配质量。
在halcon中，find_shape_model函数的SubPixel参数有很多值可以设置，不同的值可以实现不同的匹配精度和效果。其中none表示只提取像素精度的角度和位置，interpolation表示通过多项式插值得到亚像素精度的角度和位置，least_squares表示通过最小二乘法最小化轮廓距离得到亚像素精度的角度和位置，它们的精度依次增高。为了展示它们之间的不同，采用halcon案例中的图像，将SubPixel分别设置为none，interpolation，least_squares进行匹配，结果见下图，不难发现当SubPixel为none时，绿色的模板轮廓与图像边缘吻合的并不好，在有些位置存在明显的偏差，当SubPixel为interpolation时，偏差减小但仍存在，当SubPixel为least_squares时，偏差进一步减小已经不明显，模板轮廓与图像边缘几乎完全吻合。
SubPixel=none
订阅专栏 解锁全文
扫一扫
789
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
