一、模板匹配相关概念
(一)什么是模板匹配?
模板匹配指的是通过模板图像与测试图像之间的比较,找到测试图像上与模板图像相似的部分,这是通过计算模板图像与测试图像中目标的相似度来实现的,可以快速地在测试图像中定位出预定义的目标
是图像处理中最基本、最常用的匹配方法
(二)匹配主要思路
为感兴趣的对象创建模型:使用具用代表性图像来创模板匹配模型句柄
在搜索图像中查找模型:在图像中搜索先前创建的模型的实例及其位置,搜索它们的角度及行列坐标
(三)匹配结果
-
通过模板匹配可以得到目标的相似度,旋转角度,行列坐标,缩放大小等
(四)需要处理的问题
针对不同的图像特征和检测环境,有多种模板匹配算法
如何选择合适的模板匹配算法,取决于具体的图像数据和匹配任务
只有理解这些算法的原理和适用场景后,才能根据项目的需要选择合适的算法
(五)模板匹配的分类
HALCON模板匹配包含:基于点、基于灰度值、基于描述性、基于相关性、基于形状、基于组件、局部可变形、可变形的
常用的方式是基于相关性和基于形状
二、基于灰度值的模板匹配(Gray-Value-Based,不怎么用的)
-
基于灰度值的模板匹配是最经典的模板匹配算法,也是最早提出来的模板匹配算法
(一)根本思想
-
计算模板图像与检测图像之间的像素灰度差值的绝对值总和(SAD方法)或者平方差总和(SSD方法)
(二)原理
(三)使用条件
</
首先选择一块ROI(感兴趣区域)作为模板图像,生成基于灰度值的模板
然后将检测图像与模板图像进行粗匹配,在检测图像与模板图像中任选一点,采取隔点搜索的方式计算二者灰度的相似性,这样粗匹配一遍得到粗相关点
接下来进行精匹配,将得到的粗相关点作为中心点,用最小二乘法寻找二者之间的最优匹配点
该方法是利用模板图像的所有灰度值进行匹配,但在光照发生变化的情况下灰度值会产生强烈的变化
因此该方法不能适应光照发生变化的情况,也不能用于多通道图像的匹配
适用于目标图像光照比较稳定的情况,多数情况下还是优先考虑基于相关性的匹配和基于形状的匹配。只有针对极少数的简单图像,才会考虑基于灰度值的匹配