《HALCON数字图像处理》课件-第8章 图像匹配

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

图像匹配HALCON数字图像处理8.1 基于像素的匹配

图像的灰度值信息包含了图像记录的所有信息。基于图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，然后采用某种搜索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。HALCON数字图像处理

归一化积相关（NCC）是一种典型的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。图像的归一化积相关灰度匹配算法实现的步骤描述如下：（1）获得待匹配图像、模板图像数据的地址、存储的高度和宽度。（2）建立一个目标图像指针，并分配内存，以保存匹配完成后的图像，将带匹配图像复制到目标图像中。（3）逐个扫描原图像中的像素点所对应的模板子图，求出每一个像素点位置的归一化积相关函数值，找到图像中最大归一化函数值的位置，记录像素点的位置。（4）将目标图像所有像素值减半以便和原图区别，把模板图像复制到目标图像中第三步中记录的像素点位置。1、归一化积相关灰度匹配HALCON数字图像处理

序贯相关性检测算法（SSDA）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，则说明该位置为非匹配位置，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。图像的序贯相似性检测算法实现步骤如下：（1）获得待匹配图像、模板图像数据的地址、存储的高度和宽度。（2）建立一个目标图像指针，并分配内存，以保存图像匹配后的图像，将待匹配图像复制到目标图像中。（3）逐个扫描原图像中的像素点所对应的模板子图，求出每一个像素点位置的绝对误差值，当累加绝对误差值超过阈值时，停止累加，记录像素点的位置和累加次数。（4）循环步骤（3），直到处理完原图像的全部像素点，累加次数最少的像素点为最佳匹配点。（5）将目标图像所有像素值减半以便和原图区别，把模板图像复制到目标图像中步骤（4）记录的像素点位置。2、序贯相似性检测法匹配HALCON数字图像处理序贯相关性检测算法的改进如下：(1)对于(N-M+1)个参考点的选用顺序可以不逐点推进。(2)在某参考点(i,j)处，对模板覆盖下的M^2个点对的计算顺序可用于i，j无关的随机方式计算误差，也可采用适应图像内容的方式，按模板中突出特征选取伪随机序列，决定计算误差的先后顺序，以便及早抛弃那些非匹配点。(3)模板在(i,j)点得到的累积误差映射为上述曲面数值的方法，是否最佳还可以探索。(4)不选用固定阈值T_k，而改用单调增长的阈值序列，使非匹配点使用更少的计算就可以达到阈值而被丢弃，真匹配点则需要更多次误差累计才达到阈值。2、序贯相似性检测法匹配HALCON数字图像处理基于像素的匹配实例（a）模板图像（b）模板矩形区域（c）模板（d）目标图像（e）匹配结果HALCON数字图像处理基于像素的匹配实例(1)create_ncc_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Metric:ModelID)功能：使用图像创建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数字图像处理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计算量过大、对图像的灰度变化比较敏感，尤其是非线性的光照变化，将大大降低算法的性能。此外，对目标的旋转、形变以及遮挡也比较敏感。为了克服这些缺点，可以利用图像特征进行匹配的方法。特征匹配是指建立两幅图像中特征点之间对应关系的过程。用数学语言可以描述为：两幅图像A和B中分别有m和n个特征点（m和n通常是不相等的），其中有k对点是两幅图像中共同拥有的，则如何确定两幅图像中k对相对应的点对即为特征匹配要解决的问题。HALCON数字图像处理

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、方向和尺度变换参数。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。实现步骤（1） 获得待匹配图像、模板图像数据的地址、存储的高度和宽度。（2） 求出待匹配图像和模板图像的7个不变矩。（3） 求出待匹配图像和模板图像的相关值。1、不变矩匹配法HALCON数字图像处理距离变换是一种常见的二值图像处理算法，距离变换匹配的原理是计算模板图覆盖下的那块子图与模板图之间的距离，也就是计算子图中的边缘点到模板图中最近的边缘点的距离。实现步骤（1）获得待匹配图像、模板图像数据的地址、存储的高度和宽度。（2）建立一个目标图像指针，并分配内存，以保留图像匹配后的图像，将待匹配图像复制到目标图像中。（3）逐个扫描原图像中的像素点所对应的模板子图，求出每个像素点位置的最小距离值，记录像素点的位置。（4）循环步骤（3），直到处理完原图像的全部像素点，距离最小的像素点为最佳匹配点。（5）将目标图像所有像素值减半以便和原图像区别，把模板图像复制到目标图像中步骤（4）记录的像素点位置。2、距离变换匹配法HALCON数字图像处理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。实现步骤（1）获得待匹配图像、模板图像数据的地址、存储的高度和宽度。（2）建立一个目标图像指针，并分配内存，以保留图像匹配后的图像，将待匹配图像复制到目标图像中。（3）逐个扫描原图像中的像素点所对应的模板子图，构造点坐标矩阵，然后求出放射变换向量，解出最小均方误差值。（4）循环步骤（3），直到处理完原图像的全部像素点，最小均方误差值最小的像素点为最佳匹配点。（5）将目标图像所有像素值减半以便和原图区别，把模板图像复制到目标图像中步骤（4）记录的像素点位置。3、最小均方误差匹配法HALCON数字图像处理基于形状特征的模板匹配(a)模板图像(b)模板(c)目标图像(d)匹配结果HALCON数字图像处理基于形状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:使用图像创建带有缩放的形状匹配模型。(2)get_shape_model_contours（:ModelContours:ModelID,Level;）功能：获取形状模版的轮廓。

(3)find_scaled_shape_model(Image::ModelID,AngleStart,AngleExtent,ScaleMin,ScaleMax,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Scale,Score)功能：寻找单个带尺度形状模板最佳匹配。HALCON数字图像处理8.3

图像金字塔图像金字塔是一种以多分辨率来解释图像的有效但概念简单的结构，广泛应用于图像分割、机器视觉和图像压缩。

金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。HALCON数字图像处理

常见的图像金字塔有两种，高斯金字塔和拉普拉斯金字塔。高斯金字塔(Gaussianpyramid)用来向下采样，是主要的图像金字塔。

拉普拉斯金字塔(Laplacianpyramid)用来从金字塔低层图像重建上层未采样图像，也就是在数字图像处理中的预测残差，可以对图像进行最大程度的还原，配合高斯金字塔一起使用。两类图像金字塔HALCON数字图像处理图像金字塔应用HALCON数字图像处理图像金字塔应用(1)inspect_shape_model（Image:ModelImages,ModelRegions:NumLevels,Contrast）功能：根据金字塔层数和对比度检查要生成的模版是否合适。(2)create_shape_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Optimization,Metric,Contrast,MinContrast:ModelID)功能：使用图像创建形状匹配模型。(3)find_shape_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Score)功能：寻找单个形状模板最佳匹配。核心算子HALCON数字图像处理8.4

Matching助手

HALCON自带的Matching助手可以使感兴趣区域获取更方便,参数设置更