基于模式匹配的目标点数算法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
处理进 行 目标 实时点数 的领域 ．
关键词 ：点数 算 法 ； 目标 识别 ； 式 匹配 模
中图分类号：Ｔ ３ Ｐ
文献标识码：Ａ
文章编号 ：１７ — １Ｘ ２０ ）４ ０５ 一 ３ ６ １ １９ （０６ ０ － ０ ９ Ｏ
０ 引 言
基于图像分析的点数算法在很多领域有着广泛
的应用 ， 如在 纤维 复 合材 料 的研 究 和设计 中 ， 要通 需
Ｄｃ ｏ６ ｅ ．２ ｏ
基 － 模 式 匹 配 的 目 标 点 数 算 法 Ｔ－ －
钟 昌振
（ 常德师 范学校 计算机部 ， 湖南 常德 ４５０ ） １００
摘 要 ：开发 了基于模式匹配的 目标点数算法． 算法通过对图像 中的 目 标进行模式 匹配处理 ， 动识别 自 目 ， 标 实现 目 标的点数功能． 该算法避免 了傅立叶变换滤波等计算量较大算法的使 用， 用于利用 图像 适
ｉ ｔＭａ Ｐ ｘ ｌ ｎ ｘ ｉｅ ：
ｉ ｔＮｅ ｎ ｗＲｏ ｗ，Ｎ ｗ ｏ ； ｅ Ｃｌ
作者简介 ： 昌振 （９４ ． ． 钟 １７ 一）男 工程硕士 ， 讲师 ， 研究方 向： 模式识别 、 数据库及 网络工程
维普资讯
湖南工程学院学报
２０ ０６拒
模板外边沿 模板内边沿
模板正边沿 模板半径
（ ） 材 截 面 图 ａ钢
（） ｂ 圆形 匹 配 模 板
图 ２ 匹 配 滤 波 模 板示 例 图
匹配滤波模板建立后 ， 对图像的每一个象素， 先 将其映射到模板 中心 ， 然后求 取模板 内边 沿与外边
达到最好的匹配滤波效果． １４ 特征点搜索与点数算法 ．
沿在模板 径 向上 的灰 度梯度 值 ， 将模 板径 向角在 ３０范 围按指定 的粒度进行划分 ， ６。 求得多个灰度梯 度值 ， 最后以灰度梯度值 的均值作为 当前 象素 的灰
强 目标覆盖区域 内的象素亮度． 模式匹配滤波算法的重要工作是匹配滤波模板
的建立 ， 匹配模板一般要求形状与尺寸与点数 目标 近似． 例如， 对图 ２ ａ 中所示 的钢材截面 图可建立 （） 如图 ２（ ） ｂ 所示 的圆形 匹配模板 ， 中模板半径 与 其 钢材截面半径近似．
下面介绍各步骤的具体算法．
维普资讯
第１ ６卷第 ４期
２０ ０ ６年 １ ２月
湖 南 工 程 学 院 学 报
Ｊ ｕ ａ ｆＨｕ ａ ｎ ｔ ｕｅｏ ｎ ｉｅ ｒ ｇ ｏ ｒ ｌ ｎ ｎ ｉｓｉ ｔ ｆＥ ｇｎ ｅｉ ｎ ｏ ｔ ｎ
Ｖ １ １ ＋ ｏ４ ｏ ． ６ Ｎ ．
１ 算 法设计
１ １ 算法 基本 流程 ．
算法的基本流程如 图 １ 所示 ， 具体执行步骤为 ：
①输入原始图像 ， 并将其转换 为 ２６色灰度 图 ５ 像； ②对灰度 图像进 行中值滤波 ， 消除随机噪声象
素； ） ③ 根据 目 标形状建立匹配模板 ， 进行模式 匹配 滤波 ； ④再次对图像进行 中值滤波 ， 以消除模式匹配
度值 ， 达到模式 匹配滤波的效果． 算法中， 模板 内、 外边沿与模板正边沿的距离可 根据图像 中点数 目标特点以及算法兼容性要求灵活
经过模式匹配滤波处理后的图像会产生一些尖 锐象素， 可再次用 中值滤波算法滤除． 经过上述二次 中值滤波和一次模式匹配滤波后的图像会形成 以点
数目 标中心象素为峰顶 的山丘 ， 每个峰顶代表一个 点数 目 ， 标 本文定义为特征点 ， 每一个山丘定义为点 数 目标区域． 特征点 的搜索与定位是实现最终点数
设置． 求取 内、 外边沿灰度梯度均值时， 模板径 向角 划分粒度也可灵活设置 ， 一般情况下 ， 模板径 向角划
分粒度 不应大 于 １０ （ ２ 。 至少可算 出 ３个灰度梯 度
的前提． 搜索特征点 的方法是首先将 整个 图像划分 为大小与点数 目标区域大小接近的矩形窗 ， 在每个
矩形窗内采用八叉树结构用递归算法搜索出本矩形
１２ 中值滤波算法 ．
中值滤波算法 用于消除图像 中的随机 噪声象 素， 其实质是一个图像柔化处理过程 ， 具体实现方法
是对图像 的每一个 象素求取 以该 象素为中心、 以预
设距离为半径 的圆形 区域 内所有象素 的灰度 平均
收稿 １期 ， １ ０ － ２ ７ Ｉ０ ｔ ＇ ６－ ８ ２ ￣
图 １ 基 于模式匹配的 目标 点数算法基本流程
１３ 模 式 匹配 滤 波算 法 ．
模式 匹配滤波算法是整个算法的核心 ， 其功能 是滤除图像中外形与 目标形状 不匹配 的部分 ， 并增
滤波过程中产生的尖锐象素 ； 用搜索图像特征点 ⑤
并进行标定 ； ⑥统计所标定的特征点 ， 进行点数．
值） 对于外形 比较 复杂 的点数 目标 ， ； 模板径 向角划 分粒度可在满足点数效率要求的ห้องสมุดไป่ตู้况下尽量小 ， 以
窗内特征点 ， 汇总后就可得出整幅图像 中的特征点． 矩形窗内特征点搜索算法描述如表 ｌ ：
表 １ 矩形窗 内特征点递 归搜 索算法类 Ｃ官语代码 ｂｏ Ｐ ａＳａｃ （ｎ Ｒ ｗ， ｎ Ｃ ｌ ｉｔ ｐａ Ｒ ｗ， ｎ ｐａ Ｃ ｌ ｉｔ ｔ ｂ ， ｎｉ ｅ ｈｒ ｍａｅ ｏｌ ｅｋｅｒｈ ｉｔ ｏ ｉｔ ｏ，ｎ ｅｋ ｏ ｉｔ ｅｋ ｏ， ｎ Ｓｒ ｅ ｕ ｓ ｎ ｄｃ ａ 十Ｉ ｇ） ｏ ｇ ｛
值， 以此灰度平均值为当前象素的灰度值 ， 从而达到 柔化图像、 消除随机噪声象素的效果．
过对纤维束截面的电镜照片进行分析以确定每束纤 维 中包 含 的纤维 根数 ； 钢铁行 业 ， 在 需要 对正在 流水 线上运动的和打包好 的钢支进行点数． 然而， 以上的 点数工作 ， 现在基本上是靠人工完成． 鉴于此 ， 本文研究开发了一套基于模式匹配 的 目标点数算法 ， 可以通过对纤维束、 钢材及其它类似 目标体 的截面图像进行分析 ， 实现快速点数功能．
关键词 ：点数 算 法 ； 目标 识别 ； 式 匹配 模
中图分类号：Ｔ ３ Ｐ
文献标识码：Ａ
文章编号 ：１７ — １Ｘ ２０ ）４ ０５ 一 ３ ６ １ １９ （０６ ０ － ０ ９ Ｏ
０ 引 言
基于图像分析的点数算法在很多领域有着广泛
的应用 ， 如在 纤维 复 合材 料 的研 究 和设计 中 ， 要通 需
Ｄｃ ｏ６ ｅ ．２ ｏ
基 － 模 式 匹 配 的 目 标 点 数 算 法 Ｔ－ －
钟 昌振
（ 常德师 范学校 计算机部 ， 湖南 常德 ４５０ ） １００
摘 要 ：开发 了基于模式匹配的 目标点数算法． 算法通过对图像 中的 目 标进行模式 匹配处理 ， 动识别 自 目 ， 标 实现 目 标的点数功能． 该算法避免 了傅立叶变换滤波等计算量较大算法的使 用， 用于利用 图像 适
ｉ ｔＭａ Ｐ ｘ ｌ ｎ ｘ ｉｅ ：
ｉ ｔＮｅ ｎ ｗＲｏ ｗ，Ｎ ｗ ｏ ； ｅ Ｃｌ
作者简介 ： 昌振 （９４ ． ． 钟 １７ 一）男 工程硕士 ， 讲师 ， 研究方 向： 模式识别 、 数据库及 网络工程
维普资讯
湖南工程学院学报
２０ ０６拒
模板外边沿 模板内边沿
模板正边沿 模板半径
（ ） 材 截 面 图 ａ钢
（） ｂ 圆形 匹 配 模 板
图 ２ 匹 配 滤 波 模 板示 例 图
匹配滤波模板建立后 ， 对图像的每一个象素， 先 将其映射到模板 中心 ， 然后求 取模板 内边 沿与外边
达到最好的匹配滤波效果． １４ 特征点搜索与点数算法 ．
沿在模板 径 向上 的灰 度梯度 值 ， 将模 板径 向角在 ３０范 围按指定 的粒度进行划分 ， ６。 求得多个灰度梯 度值 ， 最后以灰度梯度值 的均值作为 当前 象素 的灰
强 目标覆盖区域 内的象素亮度． 模式匹配滤波算法的重要工作是匹配滤波模板
的建立 ， 匹配模板一般要求形状与尺寸与点数 目标 近似． 例如， 对图 ２ ａ 中所示 的钢材截面 图可建立 （） 如图 ２（ ） ｂ 所示 的圆形 匹配模板 ， 中模板半径 与 其 钢材截面半径近似．
下面介绍各步骤的具体算法．
维普资讯
第１ ６卷第 ４期
２０ ０ ６年 １ ２月
湖 南 工 程 学 院 学 报
Ｊ ｕ ａ ｆＨｕ ａ ｎ ｔ ｕｅｏ ｎ ｉｅ ｒ ｇ ｏ ｒ ｌ ｎ ｎ ｉｓｉ ｔ ｆＥ ｇｎ ｅｉ ｎ ｏ ｔ ｎ
Ｖ １ １ ＋ ｏ４ ｏ ． ６ Ｎ ．
１ 算 法设计
１ １ 算法 基本 流程 ．
算法的基本流程如 图 １ 所示 ， 具体执行步骤为 ：
①输入原始图像 ， 并将其转换 为 ２６色灰度 图 ５ 像； ②对灰度 图像进 行中值滤波 ， 消除随机噪声象
素； ） ③ 根据 目 标形状建立匹配模板 ， 进行模式 匹配 滤波 ； ④再次对图像进行 中值滤波 ， 以消除模式匹配
度值 ， 达到模式 匹配滤波的效果． 算法中， 模板 内、 外边沿与模板正边沿的距离可 根据图像 中点数 目标特点以及算法兼容性要求灵活
经过模式匹配滤波处理后的图像会产生一些尖 锐象素， 可再次用 中值滤波算法滤除． 经过上述二次 中值滤波和一次模式匹配滤波后的图像会形成 以点
数目 标中心象素为峰顶 的山丘 ， 每个峰顶代表一个 点数 目 ， 标 本文定义为特征点 ， 每一个山丘定义为点 数 目标区域． 特征点 的搜索与定位是实现最终点数
设置． 求取 内、 外边沿灰度梯度均值时， 模板径 向角 划分粒度也可灵活设置 ， 一般情况下 ， 模板径 向角划
分粒度 不应大 于 １０ （ ２ 。 至少可算 出 ３个灰度梯 度
的前提． 搜索特征点 的方法是首先将 整个 图像划分 为大小与点数 目标区域大小接近的矩形窗 ， 在每个
矩形窗内采用八叉树结构用递归算法搜索出本矩形
１２ 中值滤波算法 ．
中值滤波算法 用于消除图像 中的随机 噪声象 素， 其实质是一个图像柔化处理过程 ， 具体实现方法
是对图像 的每一个 象素求取 以该 象素为中心、 以预
设距离为半径 的圆形 区域 内所有象素 的灰度 平均
收稿 １期 ， １ ０ － ２ ７ Ｉ０ ｔ ＇ ６－ ８ ２ ￣
图 １ 基 于模式匹配的 目标 点数算法基本流程
１３ 模 式 匹配 滤 波算 法 ．
模式 匹配滤波算法是整个算法的核心 ， 其功能 是滤除图像中外形与 目标形状 不匹配 的部分 ， 并增
滤波过程中产生的尖锐象素 ； 用搜索图像特征点 ⑤
并进行标定 ； ⑥统计所标定的特征点 ， 进行点数．
值） 对于外形 比较 复杂 的点数 目标 ， ； 模板径 向角划 分粒度可在满足点数效率要求的ห้องสมุดไป่ตู้况下尽量小 ， 以
窗内特征点 ， 汇总后就可得出整幅图像 中的特征点． 矩形窗内特征点搜索算法描述如表 ｌ ：
表 １ 矩形窗 内特征点递 归搜 索算法类 Ｃ官语代码 ｂｏ Ｐ ａＳａｃ （ｎ Ｒ ｗ， ｎ Ｃ ｌ ｉｔ ｐａ Ｒ ｗ， ｎ ｐａ Ｃ ｌ ｉｔ ｔ ｂ ， ｎｉ ｅ ｈｒ ｍａｅ ｏｌ ｅｋｅｒｈ ｉｔ ｏ ｉｔ ｏ，ｎ ｅｋ ｏ ｉｔ ｅｋ ｏ， ｎ Ｓｒ ｅ ｕ ｓ ｎ ｄｃ ａ 十Ｉ ｇ） ｏ ｇ ｛
值， 以此灰度平均值为当前象素的灰度值 ， 从而达到 柔化图像、 消除随机噪声象素的效果．
过对纤维束截面的电镜照片进行分析以确定每束纤 维 中包 含 的纤维 根数 ； 钢铁行 业 ， 在 需要 对正在 流水 线上运动的和打包好 的钢支进行点数． 然而， 以上的 点数工作 ， 现在基本上是靠人工完成． 鉴于此 ， 本文研究开发了一套基于模式匹配 的 目标点数算法 ， 可以通过对纤维束、 钢材及其它类似 目标体 的截面图像进行分析 ， 实现快速点数功能．