当前位置: 首页 > news >正文

VisionPro - 基础 - 00 模板匹配技术和在VP中的使用 - PMAlign - PatMax - (上)

前言

模板匹配是机器视觉领域,尤其是工业视觉领域内,自动化经常要使用的一个视觉算法应用模式。在VP里面,有几种简单的模版匹配的算子,这里大致介绍一下VP的PatMax。

在视觉应用领域,搜索匹配的特征是经常要用到的方法。VP里面对于搜索匹配有几个不同类型的算子,

 其中的特点我归纳于下:

 本讲,我们主要讲PMAlign。

 


简介

Like other pattern-location technologies, PatMax trains a pattern, then locates one or more instances of that pattern in one or more run-time images. PatMax differs from other pattern-location technologies in that it is not based on pixel grid representations that cannot be efficiently and accurately rotated or scaled. Instead, PatMax uses a feature-based representation that can be transformed quickly and accurately for pattern matching.

和其他的模板匹配技术一样,PatMax通过在一个图像或者一个实时的运行图片中,设定一个或者多个匹配模版 。PatMax的主要特点,和其他的模板匹配技术不同的地方,在于他不是通过Pixel的觉得网格来匹配(这种方法往往在准确定位和缩放的时候效率低下),还是基于【案,我认为是抽象的特征】特征的表达,这样可以很快并且准确的获取匹配的结果。【由此,可以用于旋转和缩放发生的时候,单纯的pixel的对照无法实现的匹配】


模板训练和术语

1 PatMax 简介

PatMax can be trained from an image that contains features similar to those you wish to find at run time, or it can be trained from a geometric description of the target features. PatMax training results in a pattern that contains geometric features.

PatMax模板训练,通过设定的一些方法, 在实时运行的时候,找到相近的特征,并把目标特征转为几何表述。 

上图为PatMax的逻辑图,模板训练有两个类型,一个是形状训练和图像训练,并由此生成包括几何特征的模板。

1.1 PatMax 模板

The PatMax software supports two pattern-location algorithms: PatMax and PatQuick. PatMax offers higher accuracy and additional score information compared to PatQuick, but requires more time to execute.

PatMax包括, PatMax and PatQuick,两种处理模式,区别就是PatMax更精确一点,并包括了一个计分的计算,由此需要更多的计算时间。

PatMax Patterns

PatMax extracts patterns from the images of objects you acquire. A PatMax pattern is a collection of geometric features and the spatial relationship between them, where each feature is a collection of points on the boundary between two regions of dissimilar pixel values.

 PatMax 从待测图像中抽象出来模板。这些被抽象出来的模板就是收集了几何特征,和空间关系的一个集合,这些特征其实就是在一个阈值区域的Pixel值, 在阈值内被认为符合特征的点集,否则就是不符合特征的点集,由此图像进行了特征分割。

上图,显示了图像,模板,特征的抽象和被抽象的关系。


理解模板的变换(Transformation)的意义:

1 模板变化的衡量尺度 - degree

PatMax算子,可以表现支持一下3种图像模板的变化:

  • Size (overall size change or individual x- and y-axis size change)
  • Rotation
  • Location

 具体可以用下面6种变化来定义:

degree of freedom:

Part of a transformation that can be characterized by a single numeric value such as angle

【案,有关degree的定义,应该是在一下六个方面的变更程度的一个衡量标准】

 

【案,Uniform scale,应该是比例缩放的意思,图例的说明很明白,无需过多说明。每一种形式的变更,我们都可以用这种形式的程度变量degree来衡量】

2 组合的模板变化:

 

 上图,展示了一个组合的尺度变化。

Patmax算子,可以找到训练模板【案,这个是在算子的配置的时候,通过一些设定的方法,在图像中选取匹配的特征组合】在上面6个尺度的变化情况。

当然, PatMax 可以配置到你设定的上述6个方面的某个方面的自由度[案,这里借鉴了工程力学的定义】的衡量,并以0 到 1 的数值来衡量模板匹配度【案,这里匹配度就是和训练模板和找到的特征的相识程度】

http://www.lryc.cn/news/439654.html

相关文章:

  • 容器镜像同步工具image-migrator
  • 嵌入式系统中的u-boot、kernel、rootfs的区别与关系
  • K8s1.28 部署Dashboard获取登录信息
  • 智能化大数据平台引领企业迈向精准决策时代
  • 1.3 计算机网络的分类
  • 深入剖析protobuf.js之Field类:内部机制、使用实践与高级应用指南
  • docker挂载宿主机文件run命令启动报错
  • Python实现 Socket.IO 的在线游戏场景
  • A+B P1001 A+B Problem
  • git编译安装报错
  • 知识|智能网联汽车多域电子电气架构会如何发展?
  • 【C++算法】位运算
  • PMP--一模--解题--101-110
  • 为了有了ReentrantLock还需要ReentrantReadWriteLock?
  • Vite打包zip并改名为md5sum哈希案例
  • 并行编程实战——TBB中节点的数据结构
  • ClickHouse总结
  • Guava中Preconditions校验
  • 容器技术--Docker常用命令
  • 【Linux】网络层协议——IP
  • 【Echarts】vue3打开echarts的正确方式
  • 一些学习three的小记录
  • Porcupine - 语音关键词唤醒引擎
  • Golang | Leetcode Golang题解之第409题最长回文串
  • 【C++】STL数据结构最全函数详解2-向量vector
  • 阿里云 Quick BI使用介绍
  • LLMs之SuperPrompt:SuperPrompt的简介、使用方法、案例应用之详细攻略
  • Java中的Web服务开发:RESTful API的最佳实践
  • Linux创建虚拟磁盘并分区格式化
  • 面试经典150题——最后一个单词的长度