CN117078730B - 基于模版匹配的防凸卡具配准方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及基于模版匹配的防凸卡具配准方法，采集混凝土防凸卡具表面图像，通过防凸卡具表面图像的前景图像，根据前景图像中防凸卡具的特征点的邻域内像素点梯度值得到防凸卡具的规格衡量值，通过霍夫圆检测及角点检测获取边缘图像中防凸卡具的内***边缘顶点，根据防凸卡具顶点之间的距离结合规格衡量值得到标准模版图像的自适应大小，根据标准模版图像的自适应大小结合模版匹配算法对防凸卡具表面图像进行配准，从而实现基于模版匹配的防凸卡具配准，减少计算量的同时提高了模版匹配的准确率及防凸卡具的配准精度。

Description

基于模版匹配的防凸卡具配准方法

技术领域

本申请涉及图像处理技术领域，具体涉及基于模版匹配的防凸卡具配准方法。

背景技术

混凝土防凸卡具的配准意味着确保防凸卡具的准确位置和对齐，以便在浇筑混凝土时获得预期的形状和尺寸。配准是确保混凝土结构质量和准确性的重要步骤。它可以帮助避免混凝土结构的变形、裂缝和不均匀厚度等问题。

传统的模版匹配方法往往通过固定滑动窗口基于灰度值或特征点遍历整幅图像完成匹配，但该方法由于固定滑动窗口大小，造成图像局部特征未能与窗口大小结合，容易造成特征遗漏或饱和，最终导致匹配错误或低准确度的问题。

综上所述，本发明提出基于模版匹配的防凸卡具配准方法，通过将滑动窗口大小与图像局部特征相结合，得到自适应的滑动窗口，实现防凸卡具的配准，提高了模版匹配的准确率。

发明内容

为了解决上述技术问题，本发明提供基于模版匹配的防凸卡具配准方法，以解决现有的问题。

本发明的基于模版匹配的防凸卡具配准方法采用如下技术方案：

本发明一个实施例提供了基于模版匹配的防凸卡具配准方法，该方法包括以下步骤：

采集混凝土防凸卡具表面图像；通过大津法获取防凸卡具灰度图像中的前景图像；

通过特征提取算法获取前景图像中各特征点；根据各特征点邻域得到各特征点的平均梯度值；将特征点进行两两组合得到各特征点组；根据特征点之间的位置距离及各特征点的平均梯度值得到各特征点组的梯度加权距离；根据各特征点组的梯度加权距离得到防凸卡具的规格衡量值；

获取防凸卡具图像的边缘图像；获取边缘图像中防凸卡具各外侧边缘顶点；通过角点检测获取边缘图像中各角点；根据各角点与各外侧边缘顶点之间的距离得到各内侧边缘顶点及防凸卡具厚度；根据内侧边缘顶点之间的距离得到防凸卡具的内围宽度及长度；根据防凸卡具的厚度、内围宽度及长度得到标准模版图像的自适应宽度及长度；

根据标准模版图像自适应长度及宽度结合模版匹配算法对防凸卡具表面图像进行配准。

优选的，所述通过大津法获取防凸卡具灰度图像中的前景图像，具体为：

在防凸卡具灰度图像中，通过大津法获取最优分割阈值；将灰度值小于最优分割阈值的像素点灰度值设为0、大于最优分割阈值的像素点灰度值不变，得到的图像作为前景图像。

优选的，所述根据各特征点邻域得到各特征点的平均梯度值，具体包括：

获取前景图像中各像素点梯度值；以各特征点为中心像素点构建邻域；将各特征点的邻域内所有像素点梯度值的均值作为各特征点的平均梯度值。

优选的，所述根据特征点之间的位置距离及各特征点的平均梯度值得到各特征点组的梯度加权距离，具体包括：

计算各特征点组中两个特征点的平均梯度值的平均值，获取各特征点组中两个特征点之间的位置距离；计算所有特征点的平均梯度值的和值；计算所述平均值与所述和值的比值；将所述比值与所述位置距离的乘积作为各特征点组的梯度加权距离。

优选的，所述防凸卡具的规格衡量值为：将所有特征点组的梯度加权距离的均值作为防凸卡具的规格衡量值。

优选的，所述；获取边缘图像中防凸卡具各外侧边缘顶点，具体为：通过霍夫圆检测得到边缘图像中各圆弧；将各圆弧中点作为防凸卡具各外侧边缘顶点。

优选的，所述根据各角点与各外侧边缘顶点之间的距离得到各内侧边缘顶点及防凸卡具厚度，具体包括：

对于各外侧边缘顶点，计算各角点到外侧边缘顶点的距离；获取所有所述距离的最小值，将所述最小值作为外侧边缘顶点处厚度；将所有外侧边缘顶点处厚度均值作为防凸卡具的厚度；将所述最小值对应的角点作为内侧边缘顶点。

优选的，所述根据内侧边缘顶点之间的距离得到防凸卡具的内围宽度及长度，具体为：

计算任意一个内侧边缘顶点到其它内侧边缘顶点之间的距离，将最小、次小距离分别作为防凸卡具的内围宽度、长度。

优选的，所述根据防凸卡具的厚度、内围宽度及长度得到标准模版图像的自适应宽度及长度，具体为：

计算防凸卡具的宽度与两倍厚度的和值；将防凸卡具的规格衡量值与所述和值的乘积作为标准模版图像的自适应宽度；获取标准模版图像的自适应长度。

优选的，所述根据标准模版图像自适应长度及宽度结合模版匹配算法对防凸卡具表面图像进行配准，具体为：

通过模版匹配算法获取标准模版图像与防凸卡具表面图像匹配程度最大时的相似度；预设相似度阈值；若匹配程度最大时的相似度小于相似度阈值，则认为防凸卡具配准不合格；若大于等于相似度阈值，则认为防凸卡具配准合格。

本发明至少具有如下有益效果：

本发明通过改进模版匹配算法中滑动窗口的大小，使其与图像局部特征相结合，得到自适应的滑动窗口，从而更准确的捕捉目标的特征，使其对目标尺寸变化、旋转等因素具有更好的适应性，提高模板匹配的鲁棒性，同时，自适应模版大小能够将搜索范围缩小到目标周围的邻域区域，从而减少计算量的同时提高了模版匹配的准确率及防凸卡具的配准精度；

本发明采集混凝土防凸卡具表面图像，获取前景图像，根据前景图像中各特征点邻域内像素点的梯度值变化及特征点之间的距离变化得到任意两个特征点之间的梯度加权距离，从而构建防凸卡具的规格衡量值；获取防凸卡具的边缘图像；通过霍夫圆检测及角点检测获取边缘图像中防凸卡具的内***边缘顶点，根据顶点之间的距离得到防凸卡具的长度及宽度，根据防凸卡具的长度及宽度结合规格衡量值得到标准模版图像的自适应大小，根据自适应标准模版图像进行模版匹配，根据最大匹配程度时的相似度判断防凸卡具配准是否合格，提高了配准精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的基于模版匹配的防凸卡具配准方法的流程图；

图2为防凸卡具配准方法步骤示意图。

实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于模版匹配的防凸卡具配准方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于模版匹配的防凸卡具配准方法的具体方案。

本发明一个实施例提供的基于模版匹配的防凸卡具配准方法。

具体的，提供了如下的基于模版匹配的防凸卡具配准方法，请参阅图1，该方法包括以下步骤：

步骤S001，采集混凝土防凸卡具表面图像。

通过工业CCD相机固定角度俯视拍摄混凝土防凸卡具表面图像，具体拍摄方式实施者可自行设定，本实施例不做具体限制。为去除图像中的斑点噪声，对图像进行高斯滤波去噪。将修正后图像转化为灰度图像。其中高斯滤波及仿射变换为公知技术，具体过程不再赘述。

同时，获取已有的防凸卡具标准模版图像。

步骤S002，通过防凸卡具表面图像中防凸卡具的特征点的邻域内像素点梯度值得到防凸卡具的规格衡量值，通过获取防凸卡具的内***边缘顶点结合规格衡量值得到标准模版图像的自适应大小。

为剔除防凸卡具灰度图像中背景部分，通过大津法获取防凸卡具灰度图像的最优分割阈值，防凸卡具灰度图像中，将灰度值小于最优分割阈值的像素点的灰度值重设为0，灰度值大于最优分割阈值的像素点的灰度值保持不变，最终得到防凸卡具灰度图像中前景部分的图像，即仅包含防凸卡具的图像，将其记为前景图像。

考虑到混凝土防凸卡具在生产使用过程中，由于用途不同，生产的防凸卡具的尺寸型号不同，而在对生产的防凸卡具进行模版匹配时，由于防凸卡具的标准模版图像大小固定，容易造成特征遗漏或者无用特征干扰等问题，因此，本发明针对模版匹配过程中的窗口大小进行调整，得到自适应窗口大小，根据目标图像的实际尺寸来确定标准模版图像的尺寸，从而进行模版匹配时更准确的捕获目标图像中的特征。

通过尺度不变特征变化算法（SIFT算法）对前景图像进行特征提取，得到一系列能够代表防凸卡具特征的特征点，其中，/>表示第a个特征点，j表示共检测到j个特征点。SIFT算法为公知技术，具体过程不再赘述。由于当防凸卡具图像的尺寸较大时，图像中特征点之间的位置距离相对也较大，因此通过前景图像中特征点之间的位置距离来初步判断前景图像中防凸卡具的尺寸，具体为：

首先，在前景图像中，分别以各特征点为中心像素点，构建各特征点的邻域窗口，作为初始邻域窗口，需要说明的是，n的取值实施者可自行设定，本实施例将n的值设定为3。然后通过Sobel算子计算前景图像中各像素点的梯度值，从而根据各特征点的初始邻域窗口内像素点梯度值计算各特征点的平均梯度值：

式中，为第a个特征点的平均梯度值，/>为第a个特征点的初始邻域窗口内像素点个数，/>为第a个特征点的初始邻域窗口内第i个像素点的梯度值。邻域窗口内像素点灰度值变化越快，像素点的梯度值越大，中心像素点的平均梯度值越大，则该中心像素点所代表的特征点越可能为明显特征点，该特征点计算其它指标时所占权重应越大。

之后，由于图像中防凸卡具的具体尺寸未知，而特征点之间的距离在一定程度上能够表征防凸卡具的大小，因此针对检测到的j个特征点，将任意两个特征点进行组合，将得到的各组特征点记为各特征点组，根据各特征点组之间的位置距离结合各特征点的平均梯度值计算各特征点组的梯度加权距离：

式中，为第k个特征点组的梯度加权距离，/>、/>分别为第k特征点组合中两特征点/>、/>的坐标，/>为特征点/>的平均梯度值，/>为特征点/>的平均梯度值，/>为前景图像中第a个特征点的平均梯度值，j为前景图像中特征点个数。

为第k个特征点组中两特征点之间的欧式距离，/>为此欧式距离的归一化权重，欧式距离越大，则说明两特征点之间的距离越大，防凸卡具的尺寸越大；归一化权重越大，说明该欧氏距离越重要，该欧氏距离的数据可靠性越强。

最后，为了得到防凸卡具尺寸的衡量值，则根据各特征点组的梯度加权距离计算防凸卡具的规格衡量值：

式中，为防凸卡具的规格衡量值，/>为特征点组数，/>为第k个特征点组的梯度加权距离。通过所有特征点之间的距离均值来判断图像中防凸卡具的大致规格大小，各特征点组的梯度加权距离越大，则说明图像中特征点之间的距离越远，图像中卡具尺寸相对越大，F越大，从而进行模版匹配过程中的窗口大小应越大，即防凸卡具的标准模版图像的尺寸应越大。

由于卡具的四个顶角处外侧边缘为圆弧形，内侧边缘为直角形，为获取防凸卡具顶角处得到厚度，则首先通过Canny算子对防凸卡具图像进行边缘检测得到边缘图像，对边缘图像进行霍夫圆检测得到边缘图像中的各圆心及其对应的各圆弧，分别对应防凸卡具四个顶点处的四分之一圆弧部分，将每个圆弧的中点作为卡具各顶角处外侧边缘的顶点，至此得到防凸卡具各顶角处外侧边缘的顶点。

同时，对边缘图像进行Harris角点检测得到边缘图像中的角点，设检测到的角点数量为E，角点距各顶角处外侧边缘的顶点的距离越近，该角点越可能为顶角处内侧边缘的顶点，根据角点到圆弧中点之间的距离计算防凸卡具各顶点处的厚度：

式中，为第c个顶角处防凸卡具厚度，/>为取最小值函数，为第/>个顶角处圆弧中点/>的坐标，即第c个防凸卡具顶角处外侧边缘顶点的坐标，/>为边缘图像中第/>个角点/>的坐标，E为边缘图像中角点数量。各角点距外侧边缘顶点的距离越近，各角点越可能为内侧边缘顶点，该角点到外侧边缘顶点的距离越接近防凸卡具的顶角处厚度。通过上述方法获取其它各外侧边缘顶点处相距其最近的角点作为其内侧边缘顶点，将同一顶角处内侧与外侧顶点之间的距离作为此处的防凸卡具厚度。将各顶角处的厚度求均值，将均值作为前景图像中防凸卡具的厚度/>。

依据上式找到的四个内侧边缘顶点，对于其中任意一个顶点，获取其到剩余三个顶点之间的距离，则数值最小的距离为前景图像中防凸卡具的内围宽度，记为；次小的距离为前景图像中防凸卡具的内围长度，记为/>。

为保证防凸卡具具有较高的稳定性及较长的使用寿命，防凸卡具外壳往往会具有一定的厚度，因此，在模板匹配的过程中，防凸卡具外壳的厚度通常不能忽略，故根据上述求得的前景图像中防凸卡具的宽、长，综合分析得到防凸卡具模板的自适应滑动窗口大小，记为和/>，自适应滑动窗口大小具体表达式为：

式中，为自适应滑动窗口的宽度，/>为自适应滑动窗口的长度，/>为归一化函数，/>为防凸卡具的规格衡量值，/>、/>分别为前景图像中防凸卡具的内围宽度、长度，/>为前景图像中防凸卡具的厚度。/>值越大，即/>的值越接近于1，自适应滑动窗口的宽或长越大，当/>值越小，即/>的值越接近于0，自适应滑动窗口的宽或长越小；/>、/>及/>越大，自适应滑动窗口的宽或长越大。

自适应滑动窗口的长、宽作为标准模版图像调整后的长度和宽度从而得到模版图像的自适应大小。

步骤S003，根据标准模版图像的自适应大小结合模版匹配算法对防凸卡具表面图像进行配准。

根据调整后标准模版图像结合模版匹配算法对防凸卡具表面图像进行模版匹配，获取匹配程度最大时的相似度，该相似度越大，表示模版与防凸卡具表面图像在此处的模版匹配度越高，设定相似度阈值α，需要说明的是，α的值实施者可自行设定，本实施例将α的值设定为0.95，若最大相似度大于等于95%，则表示防凸卡具配准合格，若最大相似度小于95%，则表示防凸卡具配准不合格。上述步骤的配准方法如图2所示。

综上所述，本发明实施例通过改进模版匹配算法中滑动窗口的大小，使其与图像局部特征相结合，得到自适应的滑动窗口，从而更准确的捕捉目标的特征，使其对目标尺寸变化、旋转等因素具有更好的适应性，提高模板匹配的鲁棒性，同时，自适应模版大小能够将搜索范围缩小到目标周围的邻域区域，从而减少计算量的同时提高了模版匹配的准确率及防凸卡具的配准精度；

本实施例采集混凝土防凸卡具表面图像，获取前景图像，根据前景图像中各特征点邻域内像素点的梯度值变化及特征点之间的距离变化得到任意两个特征点之间的梯度加权距离，从而构建防凸卡具的规格衡量值；获取防凸卡具的边缘图像；通过霍夫圆检测及角点检测获取边缘图像中防凸卡具的内***边缘顶点，根据顶点间的距离得到防凸卡具的长度及宽度，根据防凸卡具的长度及宽度得到标准模版图像的自适应大小，根据自适应标准模版图像进行模版匹配，根据最大匹配程度时的相似度判断防凸卡具配准是否合格，提高了配准精度。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (7)

1.基于模版匹配的防凸卡具配准方法，其特征在于，该方法包括以下步骤：

采集混凝土防凸卡具表面图像；通过大津法获取防凸卡具灰度图像中的前景图像；

通过特征提取算法获取前景图像中各特征点；根据各特征点邻域得到各特征点的平均梯度值；将特征点进行两两组合得到各特征点组；根据特征点之间的位置距离及各特征点的平均梯度值得到各特征点组的梯度加权距离；根据各特征点组的梯度加权距离得到防凸卡具的规格衡量值；

获取防凸卡具图像的边缘图像；获取边缘图像中防凸卡具各外侧边缘顶点；通过角点检测获取边缘图像中各角点；根据各角点与各外侧边缘顶点之间的距离得到各内侧边缘顶点及防凸卡具厚度；根据内侧边缘顶点之间的距离得到防凸卡具的内围宽度及长度；根据防凸卡具的厚度、内围宽度、长度及规格衡量值得到标准模版图像的自适应宽度及长度；

根据标准模版图像自适应长度及宽度结合模版匹配算法对防凸卡具表面图像进行配准；

所述根据各特征点邻域得到各特征点的平均梯度值，具体包括：获取前景图像中各像素点梯度值；以各特征点为中心像素点构建邻域；将各特征点的邻域内所有像素点梯度值的均值作为各特征点的平均梯度值；

所述根据特征点之间的位置距离及各特征点的平均梯度值得到各特征点组的梯度加权距离，具体包括：计算各特征点组中两个特征点的平均梯度值的平均值，获取各特征点组中两个特征点之间的位置距离；计算所有特征点的平均梯度值的和值；计算所述平均值与所述和值的比值；将所述比值与所述位置距离的乘积作为各特征点组的梯度加权距离；

所述防凸卡具的规格衡量值为：将所有特征点组的梯度加权距离的均值作为防凸卡具的规格衡量值。

2.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述通过大津法获取防凸卡具灰度图像中的前景图像，具体为：

在防凸卡具灰度图像中，通过大津法获取最优分割阈值；将灰度值小于最优分割阈值的像素点灰度值设为0、大于最优分割阈值的像素点灰度值不变，得到的图像作为前景图像。

3.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述；获取边缘图像中防凸卡具各外侧边缘顶点，具体为：通过霍夫圆检测得到边缘图像中各圆弧；将各圆弧中点作为防凸卡具各外侧边缘顶点。

4.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述根据各角点与各外侧边缘顶点之间的距离得到各内侧边缘顶点及防凸卡具厚度，具体包括：

对于各外侧边缘顶点，计算各角点到外侧边缘顶点的距离；获取所有所述距离的最小值，将所述最小值作为外侧边缘顶点处厚度；将所有外侧边缘顶点处厚度均值作为防凸卡具的厚度；将所述最小值对应的角点作为内侧边缘顶点。

5.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述根据内侧边缘顶点之间的距离得到防凸卡具的内围宽度及长度，具体为：

计算任意一个内侧边缘顶点到其它内侧边缘顶点之间的距离，将最小、次小距离分别作为防凸卡具的内围宽度、长度。

6.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述根据防凸卡具的厚度、内围宽度、长度及规格衡量值得到标准模版图像的自适应宽度及长度，具体为：

计算防凸卡具的宽度与两倍厚度的和值；将防凸卡具的规格衡量值与所述防凸卡具的宽度与两倍厚度的和值的乘积作为标准模版图像的自适应宽度；获取标准模版图像的自适应长度。

7.如权利要求1所述的基于模版匹配的防凸卡具配准方法，其特征在于，所述根据标准模版图像自适应长度及宽度结合模版匹配算法对防凸卡具表面图像进行配准，具体为：

通过模版匹配算法获取标准模版图像与防凸卡具表面图像匹配程度最大时的相似度；预设相似度阈值；若匹配程度最大时的相似度小于相似度阈值，则认为防凸卡具配准不合格；若大于等于相似度阈值，则认为防凸卡具配准合格。