[发明专利]一种工业部件视觉多目标鲁棒模板获取的方法

说明书

本发明公开一种工业部件视觉多目标鲁棒模板获取的方法，最优基准图像的选取：一共采集n个采集图像，在n个采集图像中选取最优基准图像，在n个采集图像中选取像素值梯度变化比较大的区域；多目标鲁棒模板的选取：在最优基准图像上的基础上寻找鲁棒性较好的匹配模板，使其在所有的对应图像上正确匹配；寻找相似图像：将得到的匹配模板在原图像上进行遍历，计算其与目标图像上对应像素点的欧式距离，在其他图像上找到与模板相似的区域。该方法能够实现批量检测，100%寻找到鲁棒性较好的模板；寻找的模板位置度最佳，能够完全包含目标，目标在模板的居中位置；处理过程的运行速度快，采用并行处理和多线程技术，节省寻找模板的时间，提高效率。

技术领域

本发明涉及图像处理的技术领域，尤其是一种工业部件视觉多目标鲁棒模板获取的方法。

背景技术

图像匹配是图像处理的一个经典技术，是一种基于统计思想的算法，在计算机视觉、模式识别和工业检测等方面有着广泛的应用。模板匹配是一种用于在源图像srcImage中寻找目标图像modelImage（即模板图像）的方法，其原理是通过一些相似度准则来衡量两个图像之间的相似度Similarity（srcImage，modelImage）。现有图像匹配的算法主要可以分为三类：基于灰度信息的图像匹配方法、基于边缘信息的图像匹配方法和基于特征的图像匹配方法。

在机器视觉工业检测领域里，缺陷检测常需要使用模板匹配方法找准目标，获取目标特征信息，以便于进行后续的边缘检测和图像分割。能否准确匹配到目标，并匹配到的目标位置度是最优的，这些显得尤为重要，甚至能决定后续操作的准确性。

文献一（高晶、孙继银、刘婧.基于邻域灰度信息的Hausdorff距离图像匹配方法[J].计算机应用，2011，31(03):741-744.）和文献二（朱伯诚.基于特征点的图像匹配算法的研究与实现[D].电子科技大学，2012）提到的基于灰度信息的图像匹配方法，其优点是充分使用了图像的信息，包含的信息量大；其缺点是计算量较大，复杂度高，且对图像的细微变换敏感，抗噪能力低，同时匹配的位置度较差，无法实现最优的匹配结果。

文献三（刘丽.基于图像特征的模板匹配算法的研究[D].哈尔滨工业大学(深圳)，2005.）提到的一种模板匹配方法是基于图像的视觉特征——图像边缘轮廓，实现的是以Hausdorff距离作为相似性测度的模板匹配，采用了8邻域法提取边缘特征点优化算法性能，该算法主要是用于处理由大量规则图形构成且背景复杂的图像，不适用于工业量测中不规则目标的匹配，不具有通用性。

文献四（Li H，Manjunath B S，Mitra S K.A contour-based approach tomultisensory image registration[J].IEEE Trans Image Process，2002，4(3):320-334.）提出的具于线特征的图像匹配算法，大体流程是：首先使用边缘检测算法提取边缘，然后结合设计的某种数学模型定性定量表示图像的边缘，接着对边缘进行匹配，该算法提取的线段常有断裂，会对匹配结果产生误差，无法匹配到最优目标图像。

发明内容

本发明要解决的技术问题是：提供一种工业部件视觉多目标鲁棒模板获取的方法，解决现有情况下的基于多模板多目标的批量匹配、出现基准图和模板找不准的问题。

本发明解决其技术问题所采用的技术方案是：一种工业部件视觉多目标鲁棒模板获取的方法，具体步骤如下：

第一步骤、最优基准图像的选取：一共采集了n个采集图像，n是大于1的正整数，在n个采集图像中选取最优基准图像，在n个采集图像中选取像素值梯度变化比较大的区域，所述像素值梯度变化比较大的区域是指像素计算梯度的区域内部存在30%的像素点，该30%的像素点的像素值与周围8邻域中超过4邻域内的像素点的像素值之差均超过了70；

第二步骤、多目标鲁棒模板的选取：在第一步骤中获取的最优基准图像上的基础上寻找一组鲁棒性较好的匹配模板，使其在所有的对应图像上正确匹配；