基于Sobel向量的模板匹配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于Sobel方向向量在目標(biāo)圖像中搜索模板位姿的方法。
【背景技術(shù)】
[0002] 現(xiàn)有技術(shù)中，在目標(biāo)圖像中搜索模板位姿的方法主要有歸一化互相關(guān)系數(shù)法、廣 義霍夫變換法、幾何基元匹配法等。其中，歸一化互相關(guān)系數(shù)法和廣義霍夫變換法計算量 大，搜索速度慢，且對圖像的明暗變化較敏感。而幾何基元搜索法在模板圖像是復(fù)雜圖案時 計算量成幾何級數(shù)增長。因此，需要一種具有計算量小，計算結(jié)果快速收斂，在搜索圖像明 暗變化明顯以及遮擋嚴(yán)重時仍然能準(zhǔn)確定位模板的位姿的模板搜索方法。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于Sobel向量的模板匹配方法，所述的這種基于 Sobel方向向量的在目標(biāo)圖像中搜索模板位姿的方法要解決現(xiàn)有技術(shù)中計算速度慢、對圖 像明暗變化及遮擋等敏感的技術(shù)問題。
[0004] 為了實現(xiàn)這一目的，本發(fā)明采用的技術(shù)方案是：
[0005] -種基于Sobel向量的模板匹配方法，首先在模板圖像建立圖像金字塔，并在金 字塔的各層提取模板的邊緣點并計算邊緣點的Sobel方向向量，然后在金字塔各層使用已 經(jīng)提取好的邊緣點以及邊緣點對應(yīng)Sobel方向向量，計算相對于該層模板金字塔圖像中心 〇度到360度的旋轉(zhuǎn)變換并存儲下來；然后給出一個搜索圖像中任一點與模板圖像的相似 度量函數(shù)，從搜索圖像金字塔的最頂層開始，計算圖像上每一點〇到360度的相似度量函數(shù) 的值，并找到最大值的位置和對應(yīng)角度，然后在該最大值的位置在金字塔下一層對應(yīng)位置 的5X5的范圍，角度為上一層最大值對應(yīng)角度的±2 n 1度范圍內(nèi)計算相似度量函數(shù)，找到 最大值的位置和對應(yīng)的角度，其中η為當(dāng)前金字塔層數(shù)，以此類推，直到到達金字塔的最底 層，找到的最大值的位置和對應(yīng)的角度就是模板圖像在搜索圖中的位姿，其所對應(yīng)的相似 度量函數(shù)的值就是搜索圖像中的物體與模板物體的相似程度。
[0006] 所述在金字塔的各層提取模板的邊緣點的具體方法：從金字塔的最頂層開始，使 用Canny算子提取模板圖像的邊緣點P i= (X ;，yi)T, i = 1，2, "·η以及其Sobel方向向量 山=(u ;，Vi)τ，其中Pi為邊緣點相對于模板圖像中心點的相對坐標(biāo)。
[0007] 所述計算相對于該層模板金字塔圖像中心0度到360度的旋轉(zhuǎn)變換：計算圖像金 字塔每一層中邊緣點P 1及其Sobel方向向量Cl1WiT開始以Γ為步進角度繞圖像中心的 旋轉(zhuǎn)變換 P' i, 〇 = (X' i, e，y' i, e)T= Ap ;和 d' i, 0 = (ur i，V' i)T= (A Y · di，其 中，A為旋轉(zhuǎn)變換矩陣，Θ e [0°，360° )，以Γ作為步進
[0009] 將計算出的V L e和d' L e存儲下來。
[0010] 所述從搜索圖像金字塔的最頂層開始，計算圖像上每一點0到360度的相似度量 函數(shù)的值，并找到最大值的位置和對應(yīng)角度：在搜索圖像金字塔的最頂層的圖像大小為 WXH，當(dāng)?shù)讦菍訛樽铐攲訒r，對每一點qi(s，t)，其sobel方向向量為e(s，t) = (as,t，bs,t) T，計算相似度量函數(shù)
[0012] 其中，Θ e [0,360)，以 2η1 為步進角度，s e [0，W]，t e [0，Η];
[0013] 然后計算所有score中，找到最大值，該值所對應(yīng)的sl，tl，θ 1即為頂層最匹配的 位姿。
[0014] 所述金字塔層數(shù)為n-1層時計算相似度量函數(shù)值，其中，
[0015] S e [S1X2-2, S1X2+2]，t e [tlX2-2, tlX2+2]，Θ e [ Θ 卜2X2n 2， θ 1+2Χ2η 2) Θ以2n 2為步進角度，找到所有score中的最大值，該值所對應(yīng)的s2, t2，Θ 2 即為第n-1層最匹配的位姿；
[0016] 所述金字塔層數(shù)n-2層，n-3層，…，直到最底層，重復(fù)上述計算，最后，在金字塔 最底層中求得的sn，tn，Θ n即為模板圖像在搜索圖像中的位姿。
[0017] 本發(fā)明的有益效果是：本發(fā)明具有計算量小，計算結(jié)果快速收斂，在搜索圖像明暗 變化明顯以及遮擋嚴(yán)重時仍然能準(zhǔn)確定位模板位姿的優(yōu)點。
【附圖說明】
[0018] 圖1為模板圖中邊緣點（X，y)及其Sobel方向向量（u, V)的示意圖；
[0019] 圖2為搜索圖上某一點（s，t)的相似度量函數(shù)計算中其中一個邊緣點的點積計算 示意圖。
【具體實施方式】
[0020] 下面結(jié)合附圖和具體實施例進行詳細說明，以便對本發(fā)明的目的、技術(shù)方案有更 深入的理解。
[0021] 本發(fā)明的基于Sobel向量的模板匹配方法，具體步驟如下：
[0022] 第1步：使用給定的模板圖像，建立圖像金字塔，在本實施例中，取金字塔層數(shù)為 4,但具體取值方式不作為本發(fā)明的限制，在此只是作為示例。
[0023] 第2步：在模板圖像金字塔的每一層中，使用Canny算子提取邊緣點Pi= (X ;，y;) T, i = 1，2,…4以及其Sobel方向向量(Ii= (u ;，VJt。其中Pi為邊緣點相對于模板圖像中 心點的相對坐標(biāo)，如圖1所示。
[0024] 第3步：計算圖像金字塔每一層中邊緣點Pi及其Sobel方向向量di從0度開始 以1°為步進角度繞圖像中心的旋轉(zhuǎn)變換P' i, 〇 = (X' 1〇，太i,e)T= ApJPcf i, ο = (u W丨=(A 1^d1，其中，A為旋轉(zhuǎn)變換矩陣，Θ e [0°，360° )，以1°作為步進
[0026] 將計算出的V L e和d' L e存儲下來。
[0027] 第4步：使用給定的搜索圖像，建立圖像金字塔，金字塔層數(shù)與模板圖像一致。
[0028] 第5步：在搜索圖像金字塔的最頂層（在本例中η為第4層），其圖像大小為WXH， 對每一點qi(s，t)，其sobel方向向量為e(s，t) = (as, t，bs,t)T，計算如下相似度量函數(shù)
[0030] 其中，Θ e [0,360)，以 23為步進角度，s e [0，W]，t e [0，H]，如圖 2 所示。
[0031] 第6步：在第5步計算的所有score中，找到最大值，該值所對應(yīng)的sl，tl，Θ 1即 為頂層最匹配的位姿。
[0032] 第7步：在搜索圖像金字塔的第3層中，計算第5步的相似度量函數(shù)，其中，
[0033] s e [si X 2-2, si X 2+2]，t e [tl X 2-2, tl X 2+2]，Θ e [ Θ 1-2 X 22, Θ 1+2 X 22)， Θ以22為步進角度。找到所有score中的最大值，該值所對應(yīng)的s2, t2，Θ 2即為第3層 最匹配的位姿。
[0034] 第8步：對金字塔第2層、最底層，重復(fù)進行第7步，最后，在金字塔最底層中求得 的s4，t4, Θ 4即為模板圖像在搜索圖像中的位姿。
[0035] 按上述具體實施步驟進行模板位姿搜索的實施例，在模板物體被其他物體嚴(yán)重遮 擋，但是依然能夠正確的找到該物體的位姿。因此，本發(fā)明提供了一種適合任意模板圖像且 搜索圖像有明顯明暗變化及遮擋時仍能準(zhǔn)確定位模板位姿的方法。
【主權(quán)項】
1. 一種基于Sobel向量的模板匹配方法，其特征在于，具體步驟為：首先在模板圖像建 立圖像金字塔，并在金字塔的各層提取模板的邊緣點并計算邊緣點的Sobel方向向量，再 在金字塔各層使用已經(jīng)提取好的邊緣點以及邊緣點對應(yīng)Sobel方向向量計算，計算相對于 該層模板金字塔圖像中心0度到360度的旋轉(zhuǎn)變換并存儲下來，然后給出一個搜索圖像中 任一點與模板圖像的相似度量函數(shù)，從搜索圖像金字塔的最頂層開始，計算圖像上每一點 0 到360度的相似度量函數(shù)的值，并找到最大值的位置和對應(yīng)角度，然后在該最大值的位置 在金字塔下一層對應(yīng)位置的5X5的范圍，角度為上一層最大值對應(yīng)角度的±2n1度范圍內(nèi) 計算相似度量函數(shù)，找到最大值的位置和對應(yīng)的角度，其中η為當(dāng)前金字塔層數(shù)，以此類 推，直到到達金字塔的最底層，找到的最大值的位置和對應(yīng)的角度就是模板圖像在搜索圖 中的位姿，其所對應(yīng)的相似度量函數(shù)的值就是搜索圖像中的物體與模板物體的相似程度。2. 根據(jù)權(quán)利要求1所述的基于Sobel向量的模板匹配方法，其特征在于：所述在金字 塔的各層提取模板的邊緣點的具體方法：從金字塔的最頂層開始，使用Canny算子提取模 板圖像的邊緣點Pi=(Xi,yi)T,i= 1，2, "·η以及其Sobel方向向量山=(ui,Vi)T，其中Pi 為邊緣點相對于模板圖像中心點的相對坐標(biāo)。3. 根據(jù)權(quán)利要求1所述的基于Sobel向量的模板匹配方法，其特征在于：所述計算相 對于該層模板金字塔圖像中心0度到360度的旋轉(zhuǎn)變換方法：計算圖像金字塔每一層中邊 緣點Pi及其Sobel方向向量d，人0°開始以Γ為步進角度繞圖像中心的旋轉(zhuǎn)變換V,, θ=(χ'i, 〇，y'i,θ)τ=Αρ^(1' e=(u'i，v' ,= ^1)?，其中，A為旋轉(zhuǎn)變換 矩陣，Θe[〇°，360° )，以Γ作為步進將計算出的P'i,e和ti,e存儲下來。4. 根據(jù)權(quán)利要求1所述的基于Sobel向量的模板匹配方法，其特征在于：所述從搜索 圖像金字塔的最頂層開始，計算圖像上每一點0到360度的相似度量函數(shù)的值，并找到最大 值的位置和對應(yīng)角度：在搜索圖像金字塔的最頂層的圖像大小為WXH，當(dāng)?shù)讦菍訛樽铐攲?時，對每一點Qi(s，t)，其sobel方向向量為e(s，t) = (as,t，bs,t)τ，計算相似度量函數(shù)：其中，Θe[〇,360)，以 2η1 為步進角度，se[〇,W]，te[〇,Η]; 然后計算所有score，找到最大值，該值所對應(yīng)的sl，tl，θ1即為頂層最匹配的位姿。5. 根據(jù)權(quán)利要求4所述的基于Sobel向量的模板匹配方法，其特征在于：所述金字塔 層數(shù)為η-I層計算相似度量函數(shù)值，其中， se[siX2-2,siX2+2]，te[tlX2-2,tlX2+2]，Θe[Θ1-2X2n2，Θ1+2X2n2)，Θ以2n2為步進角度，找到所有score中的最大值，該值所對應(yīng)的s2，t2,Θ2即為第n-1層 最匹配的位姿； 所述金字塔n-2層，n-3層，…，直到最底層，重復(fù)上述計算，最后，在金字塔最底層中 求得的sn，tn，θn即為模板圖像在搜索圖像中的位姿。
【專利摘要】一種基于Sobel向量的模板匹配方法，先在模板圖像建立圖像金字塔，在金字塔的各層提取模板的邊緣點并計算Sobel方向向量，在金字塔各層使用已經(jīng)提取好的邊緣點及對應(yīng)Sobel方向向量，計算相對于該層模板金字塔圖像中心0度到360度的旋轉(zhuǎn)變換并存儲；給出一個搜索圖像中任一點與模板圖像的相似度量函數(shù)，從搜索圖像金字塔的最頂層開始，計算圖像上每一點0到360度的相似度量函數(shù)的值，找到最大值位置和對應(yīng)角度，在該最大值位置在金字塔下一層對應(yīng)位置的5×5的范圍，角度為上一層最大值對應(yīng)角度的度范圍內(nèi)計算相似度量函數(shù)，找到最大值位置和對應(yīng)的角度，以此類推，找到最大值的位置和對應(yīng)的角度就是模板圖像在搜索圖中的位姿。
【IPC分類】G06T7/00
【公開號】CN105261012
【申請?zhí)枴緾N201510621515
【發(fā)明人】劉超
【申請人】上海瑞伯德智能系統(tǒng)科技有限公司
【公開日】2016年1月20日
【申請日】2015年9月25日