模板匹配

原创文章，版权所有。转载请注明出处：http://www.letao.ai/?p=292

在机器视觉中，视觉定位是非常重要的一块。商业视觉软件包， 像mil、halcon、cognex等，都会包含视觉定位模块。

模板匹配是视觉定位中常用的算法，这里主要讲下基于灰度互相关的匹配算法， Normalized Cross Correlation, NCC。

灰度互相关的数学思想是，将二维图像，简化成一维数据，使用互相关公式，对比一维数据之间的相关性。

互相关公式：

使用互相关进行模板匹配的步骤如下：

1.首先，对感兴趣的物件制作成模板。如芯片、器件等；

2.针对每个目标图像，取每个可能的子图像，进行滑窗卷积，计算每个子图像和模板图像的相似性；

3.求得最大相似性，如果最大相似性大于设定阈值，即认为该点和模板图像匹配，定位成功。返回对应的位置给执行机构。

 

上述为基本的模板匹配算法，用来视觉定位的步骤。但是这样做会存在如下问题：1.计算量大，耗时长；2.不能计算旋转角度。

针对计算量大，耗时长的问题。可以采用图像金字塔来解决，先在低分辨率下，进行初定位。再在高分辨率下，进行精定位。

芯片的定位效果图：

上图为已经成熟的算法，可以解决速度和旋转的问题。如感兴趣，可联系博主。