HALCON学习笔记（六）——图像匹配

weixin_45482443

已于 2024-10-01 02:47:18 修改

阅读量3.5k

点赞数 1

分类专栏： HALCON 文章标签：学习笔记计算机视觉

于 2021-04-23 17:41:08 首次发布

本文链接：https://blog.csdn.net/weixin_45482443/article/details/116024439

版权

HALCON 专栏收录该内容

8 篇文章 31 订阅

订阅专栏

本文介绍了HALCON的图像匹配方法，包括基于像素的匹配如归一化积相关（NCC）和序贯相似性检测算法（SSDA），以及基于特征的匹配如不变矩和最小均方误差匹配。此外，还探讨了图像金字塔在匹配中的应用，如高斯金字塔和拉普拉斯金字塔。

摘要由CSDN通过智能技术生成

图像匹配方法：

基于灰度值相关方法：直接对原图像和模板图像进行操作，通过区域属性的比较来反映它们之间的相似性。时间复杂度高，对图像尺寸敏感。
特征提取方法：涉及大量的几何与图像形态学计算，计算量大，需要针对不同应用场合选择各自合适的特征

基于像素的匹配

最基本的匹配方法；直接利用整幅图像的灰度信息建立两幅图像之间的相似性度量，然后采用某种搜寻方法寻找使相似性度量值最大或最小的变换模型的参数值。

1.归一化积相关（NCC）灰度匹配

基于灰度相关的算法，具有不受比例因子误差影响和抗白噪声干扰能力强等优点；通过比较参考图像和输入图像在各个位置的相关系数，相关值最大的点就是最佳匹配位置。

2.序贯相似性检测算法（SSDA）匹配

在待匹配图像的每个位置上以随机不重复的顺序选择像元，并累计模板和待匹配图像在该像元的灰度差，若累计值大于某一指定阈值，这说明该位置为非匹配区域位置，停止本次计算，进行下一个位置的测试，直到找到最佳匹配位置。

灰度匹配算子：

使用图像创建NCC匹配模板：

create_ncc_model（template模板图像：：numlevels最高金字塔层数，anglestart开始角度，angleextent角度范围，anglestep旋转角度步长，metric物体极性选择：modelID生成模板ID）

搜索NCC最佳匹配：

find_ncc_model（image要搜索的图像：：modelID模板ID，anglestart与创建模板时相同或相近，angleend与创建模板时相同或相近，minscore最小分值，nummatches匹配目标个数，maxoverlap最大重叠比值，subpixel是否亚像素级别，numlevel金字塔层数：row，column，angle匹配得到的坐标角度，score匹配得到的分值）

基于像素灰度的模板匹配：

read_image (Image, 'printer_chip/printer_chip_01')
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
dev_update_window ('off')
*获得圆形region
gen_circle (Circle, 200, 200, 100.5)
*得到区域的中心坐标
area_center (Circle, Area, Row, Column)
*缩小图像的域
reduce_domain (Image, Circle, ImageReduced)
*创建NCC模板
create_ncc_model (ImageReduced, 'auto', -0.39, 0.79, 'auto', 'use_polarity', ModelID)
dev_set_draw ('margin')
dev_display (Image)
dev_display (Circle)
stop()

read_image (Image, 'printer_chip/printer_chip_02')
*在图像中寻找模板
find_ncc_model (Image, ModelID, -0.39, 0.79, 0.8, 1, 0.5, 'true', 0, Row1, Column1, Angle, Score)
*对匹配到中心的模板求取映射关系
vector_angle_to_rigid (Row, Column,0, Row1, Column1, 0, HomMat2D)
*根据映射关系求出对应图像范围
affine_trans_region (Circle, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
dev_display (Image)
dev_display (RegionAffineTrans)
stop()

基于特征的匹配

是指建立两幅图像中特征点直接对应关系的过程。大大减少了匹配过程的计算量。

1.不变矩匹配法

在图像处理中，矩是一种统计特性，可以使用不同阶次的矩计算模板的位置方向和尺寸变换参数，由于高阶矩对噪声和变形非常敏感，因此在实际应用中通常选用低阶矩来实现图像匹配。

2.距离变换匹配法

是一种常见的二值图像处理算法，用来计算图像中任意位置到最近边缘点的距离

3.最小均方误差匹配法

最小均方误差匹配方法是利用图像中的对应特征点，通过解特征点的变换方程来计算图像间的变换参数。

特征匹配算子：

使用图像创建形状匹配模型：

create_shape_model（template模板图像：：numlevels最高金字塔层数，anglestart开始角度，angleextent角度范围，anglestep旋转角度步长，optimization优化选项，是否减少模板点数，metric匹配度量极性选择，contrast阈值或滞后阈值来表示对比度，mincontrast最小对比度：modelID生成模板ID）

获取形状模板的轮廓：

get_shape_contours（：modelcontours得到的轮廓XLD：modelID输入模板ID，level对应金字塔层数；）

寻找单个形状模板最佳匹配：

find_shape_model（image要搜索的图像：：modelID模板ID，anglestart开始角度，angleextent角度范围，minscore最低分值，nummatches匹配实例个数，maxpverlap最大重叠，subpixel是否亚像素精度，numlevels金字塔层数，greediness搜索贪婪度，为0时安全但是速度慢；当为1时速度快但不稳定：row，column，angle，score获得的坐标角度缩放和匹配分值）

基于形状特征的模板匹配例子：

dev_update_off ()
dev_close_window ()
read_image (Image, 'printer_chip/printer_chip_01')
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
*设置线的宽度
dev_set_line_width (3)
dev_display (Image)
stop()

*获得一个矩形region
gen_rectangle1 (Rectangle, 355, 845, 760, 1020)
*缩小图像的域
reduce_domain (Image, Rectangle, ImageReduced)
*创建形状模板
create_shape_model (ImageReduced, 'auto', 0, 360, 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
*得到形状模板的轮廓
get_shape_model_contours (ModelContours, ModelID, 1)

read_image (Image, 'printer_chip/printer_chip_03')
*在图像中寻找模板
find_shape_model (Image, ModelID, 0, 360, 0.3, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)
*对得到的结果进行十字标记
gen_cross_contour_xld (Cross, Row, Column, 6, rad(45))
dev_display (Image)
*显示匹配结果
dev_display_shape_matching_results (ModelID, 'red', Row, Column, Angle, 1, 1, 0)
*设置颜色
dev_set_color ('green')
dev_display (Cross)
*清楚模板内容
clear_shape_model (ModelID)