一种模板匹配方法、装置、存储介质以及电子设备与流程

1.本技术涉及机器视觉的匹配技术领域，尤其具体涉及一种模板匹配方法、装置、存储介质以及电子设备。


背景技术：

2.在工业视觉领域的目标检测、工件定位等应用中，模板匹配是使用最广泛的算法技术之一，匹配结果的可靠性及速度对这些应用的性能有着显著的影响。
3.在工业应用中对匹配结果的可靠性要求非常高，但是一些目标产品的背景较为复杂，例如近似的边缘、密集的边缘点等，由此在模板匹配过程中会存在干扰信息，导致模板匹配结果不够准确或者匹配时间较长。


技术实现要素：

4.有鉴于此，本发明提供了一种模板匹配方法、装置存储介质以及电子设备，主要目的在于解决目前存在的模板匹配不够准确的问题。
5.为解决上述问题，本技术提供一种目标匹配方法，包括：
6.建立用于匹配目标对象的对象模板；
7.基于待匹配的第一图像获取所述第一图像中的背景特征；
8.基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
9.基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
10.可选的，所述建立用于匹配目标对象的对象模板，具体包括：
11.基于初始几何形状建立包含第一区域的初始模板；
12.对所述初始模板进行边缘信息提取，获得若干边缘特征点；
13.对目标对象所对应的目标区域进行边缘信息提取，获得若干轮廓边缘点；
14.基于各所述轮廓边缘点对各所述边缘特征点进行处理，获得所述对象模板。
15.可选的，所述基于待匹配的第一图像获取所述第一图像中的背景特征，具体包括：
16.基于所述第一图像获取背景区域中各特征对象的特征参数，以获得各所述背景特征；
17.其中所述特征参数包括如下任意一种或几种：面积、长与宽的比值、长度、宽度、圆度以及轮廓密度。
18.可选的，在基于所述背景特征对所述第一图像进行背景去除处理之前，所述方法还包括：
19.对所述第一图像进行二值化处理，获得二值化后的第一图像；
20.所述基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像，具体包括：
21.基于所述背景特征对所述二值化后的第一图像进行0值填充处理，获得第二图像；
22.基于梯度金字塔的图像处理方式对所述第一图像进行处理，获得若干金字塔层级
的第一梯度图像；
23.基于所述第二图像对各所述第一梯度图像进行掩模处理，获得与各所述第一梯度图像对应的目标梯度图像，以获得所述目标图像。
24.可选的，所述目标图像包括与各金字塔层级对应的目标梯度图像；其中顶层对应的目标梯度图像的像素小于底层对应的目标梯度图像的像素；
25.所述基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果，具体包括：
26.基于所述对象模板按照金字塔层级由顶层到底层的顺序、依次对各层级对应的所述目标梯度图像进行匹配，获得匹配结果。
27.可选的，所述基于所述对象模板按照金字塔层级由顶层到底层的顺序、依次对各层级对应的所述目标梯度图像进行匹配，具体包括：
28.基于所述对象模板获取与各层级对应的定位轮廓点；
29.基于当前待匹配的目标梯度图像确定当前层级；
30.基于当前层级对应的定位轮廓点以及上一层级对应的第一匹配结果，对所述当前待匹配的目标梯度图像进行目标对象的匹配，获得当前层级对应的第一匹配结果；直至当前层级为底层时，至少基于所述底层对应的第一匹配结果获得目标对象位于所述底层目标梯度图像中的位置。
31.可选的，所述基于所述对象模板获取与各层级对应的定位轮廓点，具体包括：
32.基于梯度金字塔的图像处理方式对所述对象模板进行处理，获得与各层级对应的第一模板图像；
33.基于各所述第一模板图像获得与各层级对应的定位轮廓点。
34.为解决上述问题，本技术提供一种模板匹配装置，包括：
35.建立模块，用于建立用于匹配目标对象的对象模板；
36.获取模块，用于基于待匹配的第一图像获取所述第一图像中的背景特征；
37.去除模块，用于基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
38.匹配模块，用于基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
39.为解决上述问题，本技术提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述模板匹配方法的步骤。
40.为解决上述问题，本技术提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述模板匹配方法的步骤。
41.本技术中的一种目标匹配方法、装置、存储介质以及电子设备，通过获取待匹配的第一图像中的背景特征，然后对待匹配的第一图像进行背景去除处理，由此能够避免背景信息对匹配过程的干扰，使得匹配结果更加的精准，提高了匹配结果的准确度。
42.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
43.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
44.图1为本技术实施例一种模板匹配方法的流程图；
45.图2为本技术实施例中对象模板的示意图；
46.图3为本技术又一实施例中二值化后的第一图像的示意图；
47.图4为本技术又一实中去除背景信息后的第二图像的示意图；
48.图5为本技术又一实施例中具体匹配流程的流程示意图；
49.图6为本技术另一实施例一种模板匹配装置的结构框图。
具体实施方式
50.此处参考附图描述本技术的各种方案以及特征。
51.应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本技术的范围和精神内的其他修改。
52.包含在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且与上面给出的对本技术的大致描述以及下面给出的对实施例的详细描述一起用于解释本技术的原理。
53.通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本技术的这些和其它特性将会变得显而易见。
54.还应当理解，尽管已经参照一些具体实例对本技术进行了描述，但本领域技术人员能够确定地实现本技术的很多其它等效形式。
55.当结合附图时，鉴于以下详细说明，本技术的上述和其他方面、特征和优势将变得更为显而易见。
56.此后参照附图描述本技术的具体实施例；然而，应当理解，所申请的实施例仅仅是本技术的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本技术模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本技术。
57.本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本技术的相同或不同实施例中的一个或多个。
58.本技术实施例提供一种模板匹配方法如图1所示，本实施例中的方法包括如下步骤：
59.步骤s101，建立用于匹配目标对象的对象模板；
60.本步骤在具体实施过程中具体可以通过规则的几何形状或者不规则的几何形状来建立一个包含第一区域的初始模板，然后利用通过获取第一区域/初始模板的边缘特征点集合并对其进行修改，来使初始模板的边缘点与实际目标对象的主轮廓一致，由此来获得对象模板。
61.步骤s102，基于待匹配的第一图像获取所述第一图像中的背景特征；
62.本步骤在具体实施过程中，具体可以对待匹配的第一图像进行学习，以学习图像的背景信息，例如学习第一图像背景区域中背景对象的面积、长宽比、长度、宽度、圆度以及轮廓密度等，由此就可以建立背景特征分类，为后续基于各背景特征对第一图像进行背景去除处理、降低背景信息对匹配的干扰奠定了基础。
63.步骤s103，基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
64.本步骤在具体实施过程中，具体可以先对第一图像进行梯度信息提取，然后根据梯度信息进行二值化处理，获得二值化的第一图像，然后基于背景特征对二值化的第一图像中的对应区域进行0值填充，以去除背其景信息，获得去除背景的二值化图像，由此获得目标图像。
65.步骤s104，基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
66.本步骤中，在获得了目标图像之后，就可以根据对象模板中的边缘轮廓点对目标图像进行匹配，确定目标对象在所述目标图像中的具体位置。
67.本实施中，通过获取待匹配的第一图像中的背景特征，然后对待匹配的第一图像进行背景去除处理，能够获得去除背景信息的目标图像，由此在后续模板匹配过程中，能够避免背景信息对匹配过程的干扰，使得匹配结果更加的精准，提高了匹配结果的准确度。
68.在上述实施例的基础上为了提高匹配速率，具体可以通过梯度金字塔的图像处理方式来对第一图像进行处理，即进行下采样处理，由此来获得包含若干金字塔层级的第一梯度图像，然后分别对各第一梯度图像进行背景去除处理，获得与各第一梯度图像对应的目标梯度图像，即获得所述目标图像。后续在进行模板匹配时，就可以至少基于对象模板采用循环迭代的方式来进行匹配，即按照层级由高至低的顺序、来优先对像素低的较高层级的梯度图像进行粗匹配，获取候选的最优结果，然后基于候选的最优结果在下一层级的梯度图像上采用同样的匹配方式、进行进一步的匹配；直至匹配到最底层的梯度图像，获得最终的匹配结果，即获得目标对象位于最底层的梯度图像中的位置。通过对各金字塔层梯度图像采用逐层匹配的匹配方式，能够在图像上进行快速试探/匹配，即快速的确定出目标对象的所在位置，以作为参考位置，后续就可以针对该参考位置在底层的梯度图像上进行精确匹配，提高了匹配速度。具体的，本实施中的模板匹配方法包括：
69.步骤s201，基于初始几何形状建立包含第一区域的初始模板；对所述初始模板进行边缘信息提取，获得若干边缘特征点；对目标对象所对应的目标区域进行边缘信息提取，获得若干轮廓边缘点；基于各所述轮廓边缘点对各所述边缘特征点进行处理，获得用于匹配模板对象的对象模板。
70.本步骤中初始几何形状具体可以为规则的几何形状也可以为不规则的几何形状。在具体建立对象模板的过程为：
71.(1)基于规则或不规则的几何形状建立包含第一区域的初始模板。
72.(2)基于第一区域的梯度信息利用预定的阈值计算公式来计算第一阈值，以获取初始模板中的各边缘特征点p。其中，阈值计算公式为：
[0073][0074]
contrast＝2
×
contrast
min
[0075]
其中，x
t
、y
t
分别是模板x、y方向梯度图像中坐标点的梯度值；n表示梯度值大于0的像素点；contrast
min
表示“第一区域”中每个具有梯度值大于0的像素，对其进行求和并计算获得的平均值。contrast等于contrast
min
对的2倍；对于提取边缘点p，应用contrast和contrast
min
进行非极大值抑制，大于contrast标记为边缘点，并对介于contrast和contrast
min
间的像素点进行连接处理。
[0076]
(3)针对目标对象的图像进行内轮廓边缘点的提取，获得若干轮廓边缘点l。
[0077]
(4)基于轮廓边缘点l与边缘特征点p来修改初始模板中的边缘特征点p的分布，使得第一区域与目标主轮廓一致。在对边缘特征点p进行修改时，具体可以采用如下方式：将边缘l与p对比，p上边缘点若位于l的5个像素范围内则保留，最终将模板边缘p上干扰轮廓点去除掉，由此就可以获得如图2所示的对象模板。
[0078]
步骤s202，基于所述第一图像获取背景区域中各特征对象的特征参数，以获得各所述背景特征；
[0079]
本步骤中，特征参数包括如下任意一种或几种：面积、长与宽的比值、长度、宽度、圆度以及轮廓密度等等。本步骤中在获取背景特征时，具体可以先获得原始图像的梯度图像，即获得第一图像的梯度图像/梯度信息，然后通过最大类间方差法otsu方法计算梯度图像的灰度阈值，获得二值化后的第一图像，然后对模板区域以外的区域(即背景区域)统计面积、长宽比、长度、宽度、圆度以及轮廓密度等参数，由此获得背景区域中各特征对象的特征参数。
[0080]
步骤s203，对所述第一图像进行二值化处理，获得二值化后的第一图像；基于所述背景特征对所述二值化后的第一图像进行0值填充处理，获得第二图像；基于梯度金字塔的图像处理方式对所述第一图像进行处理，获得若干金字塔层级的第一梯度图像；基于所述第二图像对各所述第一梯度图像进行掩模处理，获得与各所述第一梯度图像对应的目标梯度图像，以获得所述目标图像。
[0081]
本步骤中，在获得原始图像/第一图像的梯度信息后，可以基于梯度信息来进行二值化处理，以此来获得如图3所示的、二值化后的第一图像。然后就可以根据背景特征对二值化后的第一图像的背景特征区域进行0值填充，获得如图如图4所示的第二图像。后续就可以利用该第二图像在每一个金字塔层的梯度图像上进行掩模处理，得到消除背景信息后各的金字塔层梯度图像，即获得各目标梯度图像。
[0082]
其中，本步骤中梯度金字塔的图像处理方式具体可以为高斯金字塔压缩的处理方式，即将二值化后的第一图像作为最底层图像level-0；利用高斯核(n*n)对其进行卷积，然后对卷积后的图像进行下采样得到上一层图像/第一梯度图像level-1；将此图像level-1作为输入，重复卷积和下采样操作得到更上一层的图像/第一梯度图像level-2，反复迭代多次，最后形成一个金字塔层级的图像数据结构，即获得与各层级的第一梯度图像。
[0083]
步骤s204，基于所述对象模板按照金字塔层级由顶层到底层的顺序、依次对各层
级对应的目标梯度图像进行匹配，获得匹配结果。
[0084]
本步骤中在进行匹配之前可以先获取与各层级对应的定位轮廓点，并计算出定位轮廓点的方向向量。由此在后续匹配过程中，就可以将金字塔层级对应的定位轮廓点的方向向量、与该金字塔层级对应的目标梯度图像中对应点处的方向向量，进行归一化处理，即基于定位轮廓点的方向向量以及目标梯度图像中对应点处(匹配位置)的方向向量计算点积的和，以此作为得分，根据得分高低获得匹配结果。
[0085]
其中，获取与各层级对应的定位轮廓点具体过程为：
[0086]
(1)基于梯度金字塔的图像处理方式对所述对象模板进行处理，获得与各层级对应的第一模板图像。本步骤在具体实施过程中，具体也可以采用高斯金字塔压缩的方式来对对象模板进行处理，即对对象模板进行金字塔下采样处理，获得各层级对应的第一模板图像。
[0087]
(2)基于各所述第一模板图像获得与各层级对应的定位轮廓点。本步骤中，在获得各第一模板图像后，就可以对各第一模板图像中的边缘点进行提取，获得与各层级对应的定位轮廓点，并计算各定位轮廓点的方向向量。
[0088]
本步骤中，在具体实施过程中，具体可以根据模板的角度范围、尺度大小计算各参数信息；其中参数信息具体包括：定位轮廓点的点坐标、梯度大小、水平x方向和竖直y方向两个方向导数。然后根据计算获得各参数信息进行下采样处理，以此来获得各第一模板图像。
[0089]
本步骤中在获得与各层级对应的定位轮廓点之后，就可以基于当前待匹配的目标梯度图像确定当前层级；基于当前层级对应的定位轮廓点以及上一层级对应的第一匹配结果，对所述当前待匹配的目标梯度图像进行目标对象的匹配，获得当前层级对应的第一匹配结果；直至当前层级为底层，获得最终的匹配结果。具体的匹配过程可以如图5所示，包括：
[0090]
(1)获取模板搜索的角度步长及金字塔顶层对应的定位轮廓点。
[0091]
(2)在金字塔顶层对应的当前层级目标梯度图像上进行快速试探/匹配，即基于定位轮廓点方向向量与目标梯度图像中对应点处(匹配位置)的方向向量计算点积的和，并以此作为得分，具体计算公式为：
[0092][0093]
(3)根据得分，将得分满足预设条件所对应的匹配位置作为第一匹配结果，即作为候选结果并进行存储。
[0094]
本步骤中预设条件可以为预定的分数区间，即得分位于该分数区间，则确定该得分对应的匹配结果为第一匹配结果。其中分数区间可以为(n/2，3n]，其中n为最小分数，可以根据实际需要进行设定。通过取其一半以及取其3倍作为分数区间，能够排除干扰结果，以准确的获得第一匹配结果，为后续根据第一匹配结果获取参考位置，基于参考位置来快速的对下一层级的目标梯度图像进行较为精确的匹配奠定了基础。
[0095]
(4)将步骤(3)中获得的第一匹配结果传递至下一层级，并将当前层级的下一层级更新为当前层级；根据第一匹配结果以及当前层级的定位轮廓点对当前层级对应的目标梯度图像进行匹配。具体可以采用步骤(2)-步骤(3)中的匹配方式对当前层级的目标梯度图像进行进一步的匹配，以获得当前层级对应的第一匹配结果，直至当前层级为底层。即本步骤中是将(3)中获得的上一层级的第一匹配结果映射为当前层级的粗结果，然后进行进一步精确匹配。
[0096]
本步骤在具体实施过程中，当获得候选结果/第一匹配结果后，就可以传递至下一层级，例如根据获得的第一匹配结果在下一层级的对应的目标梯度图像中的一个5x5的区域内进行精确匹配，由此进一步获得与下一层级对应的、满足预设条件的候选结果/第一匹配结果。
[0097]
(5)基于底层对应的第一匹配结果进行亚像素计算，获得最终的目标匹配结果。
[0098]
本步骤在具体实施过程中，在获得底层对应的第一匹配结果，即获得底层对应的最佳结果后，可以以最佳结果位置为中心，计算获得3x3区域的得分，以到中心的距离为权重，计算亚像素结果，以此来作为最终的匹配结果。也就是求重心，得到亚像素结果后即是最终结果。
[0099]
本实施例中，按照层级由高至低的顺序、来优先对像素低的高层级的梯度图像进行粗匹配，获取候选的最优结果，然后将候选的最优结果作为参考、在下一层级的梯度图像上进行精匹配，直至匹配到最底层的梯度图像，由此能够提高匹配速度，快速完成目标对象的匹配。并且，本实施例中最后通过计算亚像素来获得最终的匹配结果，由此能够进一步保证匹配结果的准确性，使得目标对象的匹配更加精准。
[0100]
申请另一实施例提供一种模板匹配装置，如图6所示，包括：
[0101]
建立模块，用于建立用于匹配目标对象的对象模板；
[0102]
获取模块，用于基于待匹配的第一图像获取所述第一图像中的背景特征；
[0103]
去除模块，用于基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
[0104]
匹配模块，用于基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
[0105]
本实施例在具体实施过程中，所述建立模块具体用于：基于初始几何形状建立包含第一区域的初始模板；对所述初始模板进行边缘信息提取，获得若干边缘特征点；对目标对象所对应的目标区域进行边缘信息提取，获得若干轮廓边缘点；基于各所述轮廓边缘点对各所述边缘特征点进行处理，获得所述对象模板。
[0106]
本实施例在具体实施过程中，所述获取模块具体用于：基于所述第一图像获取背景区域中各特征对象的特征参数，以获得各所述背景特征；其中所述特征参数包括如下任意一种或几种：面积、长与宽的比值、长度、宽度、圆度以及轮廓密度。
[0107]
本实施例中的模板匹配装置具体还包括二值化处理模块，所述二值化处理模块用于：在基于所述背景特征对所述第一图像进行背景去除处理之前，对所述第一图像进行二值化处理，获得二值化后的第一图像；本实施例中，所述去除模块具体用于：基于所述背景特征对所述二值化后的第一图像进行0值填充处理，获得第二图像；基于梯度金字塔的图像处理方式对所述第一图像进行处理，获得若干金字塔层级的第一梯度图像；基于所述第二
图像对各所述第一梯度图像进行掩模处理，获得与各所述第一梯度图像对应的目标梯度图像，以获得所述目标图像。
[0108]
本实施例中，所述目标图像包括与各金字塔层级对应的目标梯度图像；其中顶层对应的目标梯度图像的像素小于底层对应的目标梯度图像的像素；所述匹配模块具体用于：基于所述对象模板按照金字塔层级由顶层到底层的顺序、依次对各层级对应的所述目标梯度图像进行匹配，获得匹配结果。
[0109]
进一步的，所述匹配模块具体用于：基于所述对象模板获取与各层级对应的定位轮廓点；基于当前待匹配的目标梯度图像确定当前层级；基于当前层级对应的定位轮廓点以及上一层级对应的第一匹配结果，对所述当前待匹配的目标梯度图像进行目标对象的匹配，获得当前层级对应的第一匹配结果；直至当前层级为底层时，至少基于所述底层对应的第一匹配结果获得目标对象位于所述底层目标梯度图像中的位置。
[0110]
本实施例中，所述匹配模块具体用于：基于梯度金字塔的图像处理方式对所述对象模板进行处理，获得与各层级对应的第一模板图像；基于各所述第一模板图像获得与各层级对应的定位轮廓点。
[0111]
本实施例中，通过获取待匹配的第一图像中的背景特征，然后对待匹配的第一图像进行背景去除处理，由此能够避免背景信息对匹配过程的干扰，使得匹配结果更加的精准，提高了匹配结果的准确度。通过对各金字塔层梯度图像采用逐层匹配的匹配方式，能够在图像上进行快速试探/匹配，即快速的确定出目标对象的所在位置，以作为参考位置，后续就可以针对该参考位置在底层的梯度图像上进行精确匹配，提高了匹配速度
[0112]
本技术又一实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
[0113]
步骤一、建立用于匹配目标对象的对象模板；
[0114]
步骤二、基于待匹配的第一图像获取所述第一图像中的背景特征；
[0115]
步骤三、基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
[0116]
步骤四、基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
[0117]
上述方法步骤的具体实施例过程可参见上述任意模板匹配方法的实施例，本实施例在此不再重复赘述。
[0118]
本实施例中，通过获取待匹配的第一图像中的背景特征，然后对待匹配的第一图像进行背景去除处理，由此能够避免背景信息对匹配过程的干扰，使得匹配结果更加的精准，提高了匹配结果的准确度。
[0119]
本技术又一实施例提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现如下方法步骤：
[0120]
步骤一、建立用于匹配目标对象的对象模板；
[0121]
步骤二、基于待匹配的第一图像获取所述第一图像中的背景特征；
[0122]
步骤三、基于所述背景特征对所述第一图像进行背景去除处理，获得目标图像；
[0123]
步骤四、基于所述对象模板和所述目标图像进行目标对象的匹配，获得匹配结果。
[0124]
上述方法步骤的具体实施例过程可参见上述任意模板匹配方法的实施例，本实施例在此不再重复赘述。
[0125]
本实施例中，通过获取待匹配的第一图像中的背景特征，然后对待匹配的第一图
像进行背景去除处理，由此能够避免背景信息对匹配过程的干扰，使得匹配结果更加的精准，提高了匹配结果的准确度。
[0126]
以上实施例仅为本技术的示例性实施例，不用于限制本技术，本技术的保护范围由权利要求书限定。本领域技术人员可以在本技术的实质和保护范围内，对本技术做出各种修改或等同替换，这种修改或等同替换也应视为落在本技术的保护范围内。