背景概述
OpenCV中自带的模板匹配算法,完全是像素基本的模板匹配,特别容易受到光照影响,光照稍微有所不同,该方法就会歇菜了!搞得很多OpenCV初学者刚学习到该方法时候很开心,一用该方法马上很伤心,悲喜交加,充分感受到了理想与现实的距离,不过没关系,这里介绍一种新的模板匹配算法,主要是基于图像边缘梯度,它对图像光照与像素迁移都有很强的抗干扰能力,据说Halcon的模板匹配就是基于此的加速版本,在工业应用场景中已经得到广泛使用。
算法原理
该算法主要是基于图像梯度,实现基于梯度级别的NCC模板匹配,基于Sobel梯度算子得到dx, dy, magnitude
通过Canny算法得到边缘图像、基于轮廓发现得到所有的轮廓点集,基于每个点计算该点的dx、dy、magnitude(dxy)三个值。生成模板信息。然后对输入的图像进行Sobel梯度图像之后,根据模型信息进行匹配,这样的好处有两个:
梯度对光照有很强的抗干扰能力,对模板匹配的抗光照干扰
基于梯度匹配,可以对目标图像上出现的微小像素迁移进行抵消。
算法实现代码详解
梯度图像计算
Matgx,gy; Sobel(gray,gx,CV_32F,1,0); Sobel(gray,gy,CV_32F,0,1); Matmagnitude,direction; cartToPolar(gx,gy,magnitude,direction); longcontoursLength=0; doublemagnitudeTemp=0; intoriginx=contours[0][0].x; intoriginy=contours[0][0].y;
模板生成
//提取dxdymaglog信息 vector>contoursInfo; //提取相对坐标位置 vector >contoursRelative; //开始提取 for(inti=0;i< contours.size(); i++) { int n = contours[i].size(); contoursLength += n; contoursInfo.push_back(vector (n)); vector points(n); for(intj=0;j< n; j++) { int x = contours[i][j].x; int y = contours[i][j].y; points[j].x = x - originx; points[j].y = y - originy; ptin pointInfo; pointInfo.DerivativeX = gx.at (y,x); pointInfo.DerivativeY=gy.at (y,x); magnitudeTemp=magnitude.at (y,x); pointInfo.Magnitude=magnitudeTemp; if(magnitudeTemp!=0) pointInfo.MagnitudeN=1/magnitudeTemp; contoursInfo[i][j]=pointInfo; } contoursRelative.push_back(points); }
计算目标图像梯度
//计算目标图像梯度 MatgrayImage; cvtColor(src,grayImage,COLOR_BGR2GRAY); Matgradx,grady; Sobel(grayImage,gradx,CV_32F,1,0); Sobel(grayImage,grady,CV_32F,0,1); Matmag,angle; cartToPolar(gradx,grady,mag,angle);
NCC模板匹配
doublepartialScore=0; doubleresultScore=0; intresultX=0; intresultY=0; doublestart=(double)getTickCount(); for(introw=0;row< grayImage.rows; row++) { for (int col = 0; col < grayImage.cols; col++) { double sum = 0; long num = 0; for (int m = 0; m < contoursRelative.size(); m++) { for (int n = 0; n < contoursRelative[m].size(); n++) { num += 1; int curX = col + contoursRelative[m][n].x; int curY = row + contoursRelative[m][n].y; if (curX < 0 || curY < 0 || curX >grayImage.cols-1||curY>grayImage.rows-1){ continue; } //目标边缘梯度 doublesdx=gradx.at(curY,curX); doublesdy=grady.at (curY,curX); //模板边缘梯度 doubletdx=contoursInfo[m][n].DerivativeX; doubletdy=contoursInfo[m][n].DerivativeY; //计算匹配 if((sdy!=0||sdx!=0)&&(tdx!=0||tdy!=0)) { doublenMagnitude=mag.at (curY,curX); if(nMagnitude!=0) sum+=(sdx*tdx+sdy*tdy)*contoursInfo[m][n].MagnitudeN/nMagnitude; } //任意节点score之和必须大于最小阈值 partialScore=sum/num; if(partialScore< min((minScore - 1) + (nGreediness * num), nMinScore * num)) break; } } // 保存匹配起始点 if (partialScore >resultScore) { resultScore=partialScore; resultX=col; resultY=row; } } }
运行效果
正常光照
光照非常暗
改进:
不需要全局匹配,可以对目标图像先做一个小梯度阈值,然后再进行匹配,提升速度、构造目标图像金字塔,实现多分辨率模板匹配支持!
-
算法
+关注
关注
23文章
4455浏览量
90753 -
模板
+关注
关注
0文章
106浏览量
20478 -
代码
+关注
关注
30文章
4555浏览量
66766 -
OpenCV
+关注
关注
29文章
611浏览量
40774
原文标题:干货 | OpenCV实现边缘模板匹配算法
文章出处:【微信号:CVSCHOOL,微信公众号:OpenCV学堂】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论