這是OPT小講堂的第八課，主要講解圖像比對算法中，灰階比對、特征比對、輪廓比對這三種算法的原理、參數、案例等。
什麼是圖像比對
圖像比對，是指以模闆圖像作為标準目标，在待比對圖像中尋找與标準目标相似性高的單個或多個目标，根據圖像資訊如：灰階，梯度等計算不同位置不同角度情況下的相似性，确定目标在圖像中的位置以及相對于模闆的角度。常用的比對算法有灰階比對、特征比對和輪廓比對。
灰階比對的原理是什麼？
灰階比對是通過利用某種相似性度量，如平均絕對差算法、絕對誤差和算法、誤差平方和算法、平均誤差平方和算法、歸一化積相關算法，計算兩幅同等大小圖像之間的相似度。以模闆圖像大小為視窗，在不同角度待比對圖像上滑動，計算模闆圖像與目前視窗覆寫區域的相似性。相似性越高，該覆寫區域為目标的可能性就越大，最終獲得目标位置和目标角度。為了提高效率，對模闆圖像與待比對圖像進行金字塔分解操作；為了提高精度，算法對金字塔圖像自頂向下進行搜尋，由粗到精比對，得到更為精準的比對結果。
一、灰階比對的工具界面
圖1為灰階比對的工具界面，右上角灰階圖為模闆，圖像中綠色框内為比對到的目标物體。
圖1 灰階比對工具界面示意圖
二、灰階比對的參數設定
起始角度：旋轉比對時起始搜尋角度，其值小于或者等于終止角度。
終止角度：旋轉比對時終止搜尋角度，其值大于或者等于起始角度。
角度步長：旋轉比對時角度的步長。
比對個數：設定比對目标的個數。
重合度：以模闆大小的百分之幾作為搜尋區域，對這片區域内的比對得分進行非極大值抑制算法。這個百分之幾就是通過重合度設定的，輸入50表示取模闆大小的50%作為搜尋區域。範圍是[0,100]。
比對得分：限制比對結果的分數。
金字塔概念：通過采樣，将圖像分成不同分辨率的圖像。分解級數越高，金字塔分解後圖像的分辨率越低，圖像尺寸越小，其圖像越模糊。如圖2。
圖2 金字塔分解示意圖
金字塔層數：分解級數，圖像的分解層次，範圍是：[-1,7]，“-1”表示自動分層，“0”表示不分層。若選擇“自動”，則内部自動計算最大的分解級數。
三、灰階比對參數影響
表1 灰階比對參數影響表
四、灰階比對應用案例
圖3 灰階比對案例
1、灰階比對可用于初定位，資料值可在ROI中引用，做基準定位使用；
2、通過比對得分可以剔除一些不符合要求的産品。
什麼是特征比對？
特征比對是從圖像中提取特征點，對特征點進行特征描述，求模闆圖像上的特征描述符與待比對圖像上的特征描述符之間的相似性，實作圖像比對的過程。
在數字圖像進行中，特征比對主要應用是對特征點清晰的圖像區域進行定位，如文字、标簽、商标等，對于模闆與待比對圖像一緻性較高，差異不大的圖像區域，采用特征比對會有較好的效果。
特征比對算法原理是什麼？
圖像進行中，特征點指的是圖像灰階值發生劇烈變化的點，或者在圖像邊緣上曲率較大的點(即兩個邊緣的交點)。
Hessian矩陣可以求取圖像像素曲線中的極大值點和極小值點，即特征點。高斯-拉普拉斯方法能夠求取圖像的尺度資訊，保證圖像的尺度不變性。
特征描述符：特征描述符是根據比對目的需要，進行特征的組合、變換，以形成易于比對、穩定性好的特征向量。一般特征描述的思路為：對特征點周圍圖像區域分塊，計算塊内梯度直方圖，生成具有獨特性的向量。這個向量是該區域圖像資訊的一種抽象，具有唯一性。
一、特征比對的工具界面
如圖4(左)，右上角灰階圖為模闆，圖像中綠色框内為比對到的目标物體。右圖為特征點模闆編輯界面，可對特征點進行删減等編輯操作。
圖4 特征比對工具界面示意圖
二、特征比對的參數設定
特征檢測算法：是指特征點檢測的算法，有以下幾種方法：
1)穩定算法：預設算法，速度與穩定性較好。
2)快速算法：速度最快，穩定性一般。
3)邊緣點算法：提取邊緣特征點。
圖5 特征點檢測的三個算法
特征描述算法：是指對特征點進行描述的方法，主要有以下幾種方法：
1)穩定算法：預設算法，速度較快，泛用性稍強。
2)快速算法：速度較快，适用于特征點數目較多的情況。
特征比對算法：對特征描述符進行比對的方法。
1)穩定算法：速度快，效果穩定，适用場合較廣。
采樣步伐：對源圖像進行采樣的步長。
尺度範圍：圖像的尺度變化範圍。
提取器門檻值：提取器門檻值，用于控制特征點數量。
比對門檻值：比對器門檻值，用于控制比對點數量。
最大比對個數：設定最大比對目标的個數。
三、特征比對參數影響
表2 特征比對參數影響表
四、特征比對應用案例
圖6 特征比對案例
1、可用于初定位，資料值可在ROI中引用，做基準定位使用；
2、根據産品的局部特征，對産品進行比對。在特征較為明顯的産品中使用，可判斷産品有無。
什麼是輪廓比對？
輪廓比對是一種利用圖像的輪廓資訊進行圖像比對的方法。
輪廓比對的原理是什麼？
輪廓比對的特點：圖像的邊緣可以不連續，或可以有遮擋或斷裂；可識别部分重合的物體；可友善的計算比對得分，判斷比對程度。
模闆輪廓提取：根據Canny高低門檻值，利用Canny算子提取輪廓，再根據長度篩選出符合要求的門檻值。
方向向量：此處定義任一輪廓點的方向向量為該點強度變化最大的方向。如果兩個像素點的方向向量越接近說明兩個點越相似。
相似度量：模闆相對圖像滑動，每滑動一個步長，圖像上和模闆輪廓點相應的像素計算相關性(如下圖公式)，結果越大，越相似。
一、輪廓比對的工具界面
圖7為輪廓比對工具界面，右上角藍色輪廓為模闆，圖像中綠色框内為比對到的目标物體。
圖7 輪廓比對工具界面示意圖
二、輪廓比對的參數設定
濾波系數：濾波系數，範圍是[0.1,50]。
低門檻值：Canny邊緣檢測低門檻值，其值小于高門檻值，範圍是[0,255]。
高門檻值：Canny邊緣檢測高門檻值，其值大于低門檻值，範圍是[0,255]。
最短輪廓：Canny邊緣檢測最短輪廓，其值小于或者等于最長輪廓，範圍是[1,100000]。
最長輪廓：Canny邊緣檢測最長輪廓，其值大于或者等于最短輪廓，範圍是[1,100000]。
金字塔分解次數：金字塔分級層數，範圍是：[-1,7]，“-1”表示自動分層，“0”表示不分層。若選擇“自動”，則内部自動計算最大的分解級數。
起始角度：旋轉比對時搜尋的起始角度，其值小于或等于終止角度，範圍是[-180°,180°]。
終止角度：旋轉比對時搜尋的終止角度，其值大于或等于起始角度，範圍是[-180°,180°]。
角度步長：每間隔幾度進行搜尋，範圍是[1°,10°]。
最大比對個數：最多一次比對多少個目标物體，範圍是[0,100]。
重合度：以模闆大小的百分之幾作為搜尋區域，對這片區域内的比對得分進行非極大值抑制算法。這個百分之幾就是通過重合度設定的，輸入50表示取模闆大小的50%作為搜尋區域。範圍是[0,100]。
最小比對得分：最低比對分數，範圍是[0,100]。
三、輪廓比對參數影響
表3 輪廓比對參數影響表
四、輪廓比對應用案例
圖8 輪廓比對案例
1、可用于初定位，資料值可在ROI中引用，做基準定位使用；
2、根據産品的輪廓特征，對産品進行比對。用于輪廓較為明顯的産品。
根據上述三種比對算法的介紹，我們整理了一份比對算法對比表格如下(點選右鍵可儲存圖檔)：
表4 三種比對算法對比簡表