專利名稱：用于外表檢測的圖像處理方法
技術領域：
本發(fā)明涉及一種用于外表檢測的圖像處理方法，尤其是將檢測目標與作為其參考的一個預定參考圖像進行比較以檢測目標外表的方法。
背景技術：
日本專利公開號JP2001-175865公開了一種用于外表檢測的圖像處理方法，其中通過與一個參考圖像比較來檢查一個目標圖像，從而得到誤差參數，即目標圖像相對參考圖像的位置、轉角和比例。然后為了得到這些圖像不公用的區(qū)域，利用如此獲得的誤差參數變換參考圖像與目標圖像匹配。最終，根據如此得到的區(qū)域值，確定該目標是否有一個外表缺陷，比如疵點、裂紋、斑點等。
然而，上述依據該區(qū)分區(qū)域(differentiated area)的結果檢測目標外表的方案很難補償或消除可能存在的變形的影響，例如目標相對照相機移動引起的線性變換，或者是目標偏離照相機光軸引起的二次變換。導致的結果是目標可能被認為有缺陷，雖然實際并非如此。

發(fā)明內容
基于上述問題，本發(fā)明提供一種獨特的外表檢測方法，該方法能夠可靠檢測目標外表，同時能夠補償可能出現的線性或二次變形，而且減少了需要的計算量。根據本發(fā)明的圖像處理方法，給一個目標拍照以提供一個目標圖像用于與一個預定參考圖像進行比較。接著，處理該目標圖像用來提取它的輪廓從而建立一個目標輪廓，同時還將該參考圖像處理成一個參考輪廓。接著，根據表示目標圖像的線性或二次轉換因素的最小二乘法誤差函數處理所述目標輪廓和所述參考輪廓的數據，以便導出目標輪廓相對所述參考輪廓的包括位置、轉角、比例在內的誤差參數。接著，利用該得到的誤差參數轉換所述參考輪廓。重復上述更新誤差參數和轉換參考輪廓的步驟直到更新后的誤差參數滿足一個關于目標圖像的一個線性或二次轉換因素的預定判據為止。之后，利用該最新參數將參考圖像轉換為最終參考圖像。接著，比較所述目標圖像和最終參考圖像，以便選擇所述目標圖像的像素，所述像素的灰度強度與所述最終參考圖像的對應像素相差預定值或更大。最后分析這樣選擇出的像素，以判斷目標圖像是否不同于參考圖像，如果目標圖像與參考圖像不同則提供一個缺陷信號。按照這種方法，可以將參考圖像轉換為最終參考圖像，通過只根據不斷更新的誤差參數轉換參考輪廓的一個循環(huán)可以真實而且簡單地與目標圖像比較。這樣，與將參考圖像本身連續(xù)轉換的情況相比，在需要減少計算量的情況下就可容易地轉換為最終參考圖像。根據該結果，僅需要較少的計算量就可以補償線性或二次轉換因素，因此在減少硬件要求的情況下仍能進行可靠的外表檢測。
在一個最佳實施例中，先進行一個預處理，從已準備好的表示無缺陷目標的一個標準參考圖像中準備一個參考圖像。檢查目標照片以確定一個幀，在該幀中所述目標外表與所述標準參考圖像大體一致。接著，將所述幀內的目標與所述標準參考圖像比較，從而得到目標相對于所述標準參考圖像的包括位置、轉角、比例的初步誤差參數。接著，利用所述初步誤差參數將所述標準參考圖像轉換為所述參考圖像。由于上述預處理方法不需考慮線性或二次轉換因素，因此可方便地準備出參考圖像以用于隨后根據最小二乘法誤差函處理數據。
目標輪廓和所述參考輪廓最好都是利用Sobel濾波描繪出一個邊緣而得到的，該邊緣沿著具有局部最大強度的、且方向角θ為-45°到+45°的像素，其中所述方向角(θ)由公式θ＝tan-1(R/S)表示，其中R是圖像的像素在x方向的第一導數，S是圖像的像素在y方向的第二導數。這有利于消除那些可能被認為是組成輪廓的不相關的線條，從而提高了檢測的可靠性。
此外，目標輪廓和參考輪廓可由下列步驟獲得不同程度地平滑所述目標圖像和所述參考圖像，從而建立一個第一平滑圖像和一個第二平滑圖像，區(qū)分該第一和第二平滑圖像，從而建立一個不同數學符號的像素數組(anarray of pixels)，拾取由某一個數學符號表示同時與由另一種數學符號表示的至少一個像素相鄰的像素，描繪這樣拾取的像素從而得到該輪廓。
該方法可以進一步包括以下步驟不同程度地平滑該照片從而建立一個第一照片和一個第二照片，區(qū)分該第一和第二照片從而建立一個不同數學符號的像素數組，并拾取相同符號的像素，從而提供僅由這樣拾取的像素定義的一個檢測區(qū)。所述目標圖像僅在所述檢測區(qū)與所述最終參考圖像比較，從而在該檢測區(qū)內選擇像素，每個像素的灰度強度與所述最終參考圖像的對應像素相差預定值或更大。它有利于消除背景噪音確定缺陷。
在本發(fā)明中，最好參考一個耦合區(qū)對像素進行分析，在耦合區(qū)中所選擇的每個像素布置成相鄰關系。確定耦合區(qū)后，在所述耦合區(qū)內計算像素強度分布，并檢查所述耦合區(qū)的幾何圖形。接著，根據該像素強度分布和所述耦合區(qū)的幾何圖形，將該耦合區(qū)分類為預定缺陷類型中的一種，以便由技術人員或裝置確定輸出該種類型的信息，對目標進行高級控制。
本發(fā)明的這些和其他目的和優(yōu)點將更清楚地體現在下面結合附圖對優(yōu)選實施例的描述中。


圖1是表示實現根據本發(fā)明一個最佳實施例的用于外表檢測的圖像處理方法的一個系統(tǒng)的模塊圖；圖2是表示上述處理方法的步驟的流程圖；圖3表示如何根據上述方法比較目標圖像與參考圖像；圖4A示出具有正常外表的目標圖像；圖4B和4C示出具有線性變換外表的目標圖像；圖5A和5B示出具有二次變換外表的目標圖像；圖6是表示執(zhí)行一個誤差函數以便參照參考圖像評估目標圖像這樣一種方案的示意圖；圖7示出了一個用于分析目標圖像的耦合區(qū)域；圖8表示一個用于說明本發(fā)明定義的各種可能缺陷的示例性參考圖像；圖9A至圖9D是具有不同缺陷的目標圖像；和圖10A至圖10D表示分別為圖9A至圖9D的目標圖像確定的各種缺陷。
具體實施例方式
參考圖1，圖中示出根據本發(fā)明最佳實施例的一種用于檢測外表的圖形處理方法的系統(tǒng)。該系統(tǒng)包括照相機20和提供各種處理單元的微機40。照相機20對待檢測的目標10拍照并輸出一個由多個像素組成的灰度圖像，每個像素都有灰度強度數值(grey-scale intensity digital value)并被存儲在計算機的圖像存儲器41中。計算機包括一個臨時存儲單元42，該單元存儲標準參考圖像，該圖像被認作原版和無缺陷目標并用來與從照相機20拍下的照片中提取的一個目標圖像進行比較。
在討論該系統(tǒng)細節(jié)之前，先參考圖2和圖3對目標外表的檢測方法進行簡要說明。對目標拍照之后，從照片50中提取目標圖像51，用標準參考圖像60確定目標圖像相對標準參考圖像60的位置、轉角、比例的初級誤差參數。根據這樣確定的初級誤差參數，將標準參考圖像60變換為與目標圖像51大致重合的參考圖像61。接著，分別從目標圖像51以及從參考圖像61提取輪廓從而提供目標輪廓52和參考輪廓62。利用輪廓52和62得到一個最終參考圖像63，該最終參考圖像考慮到了圖像可能存在的線性變形(lineardeformation)或者二次變形(quadric deformation)，而且為了真實地檢測實際缺陷，將該最終參考圖像與目標圖像進行比較。即，參考輪廓62被反復變換直到滿足某個判據為止，從而消除圖像線性或二次變形的影響。例如，目標圖像的線性變形可從圖4B和圖4C中看到，這是圖4A中的目標相對照相機移動的結果，而目標圖像的二次變形可從圖5A和圖5B中看到，圖5A是目標相對照相機光軸偏移的結果，圖5B是照相機鏡頭變形的結果。
在最終確定參考輪廓62滿足判據之后，利用在轉換參考輪廓62的過程中獲得的參數得到最終參考圖像63。接著，目標圖像51與最終參考圖像63進行比較以確定目標圖像51是否包括某一個預定缺陷。當識別出缺陷時，則發(fā)出一個相應的信號以便進行適當處理，此外將編碼或類似視覺信息輸出顯示在監(jiān)控器49上。
為了完成上述功能，該系統(tǒng)包括一個初步處理單元43，該單元從臨時存儲單元42取得標準參考圖像60，并且借助于標準參考圖像提取目標圖像51，以便將標準參考圖像轉換為參考圖像61用來與目標圖像51進行粗略比較。該轉換是基于傳統(tǒng)技術比如通用的霍夫轉換(Hough transformation)或者常規(guī)對比方法，給出目標圖像51相對于標準參考圖像60的位置、轉角、比例的初步誤差參數。利用產生的誤差參數將標準參考圖像60轉換為參考圖像61。
這樣轉換得到的參考圖像61和目標圖像51被送到一個輪廓提取單元44，該單元提取這些圖像的輪廓并給誤差函數執(zhí)行單元45提供參考輪廓62和目標輪廓52。為了獲得包括目標輪廓52相對參考輪廓62的位置、轉角、比例的誤差參數，該誤差函數執(zhí)行單元45在主處理單元46的控制下執(zhí)行表示目標輪廓52的線性轉換因素的最小二乘法的誤差函數。該誤差函數包括目標輪廓和參考輪廓之間的線性關系，并被表示為Q＝∑(Qx2+Qy2)其中Qx＝αn(Xn-(A·xn+B·yn+C))，Qy＝αn(Yn-(D·xn+E·yn+F))，Xn，Yn是沿參考輪廓62的輪廓線上的點坐標，xn，yn是沿目標輪廓52的輪廓線上的點坐標，αn是加權因子。
如圖6所示，每一點(xn，yn)被定義為目標輪廓52上的一點，該點是目標輪廓52與一條直線的交點，該直線是過參考輪廓62上的相應點(Xn，Yn)的垂直線。
參數A到F表示目標輪廓相對于參考輪廓的位置、轉角、比例，它們有下列關系。
A＝βcosθB＝-γsinφC＝dxD＝βsinθE＝γcosφF＝dyβ＝x方向的比例(％)γ＝y(tǒng)方向的比例(％)θ＝x軸的轉角(°)φ＝y(tǒng)軸的轉角(°)dx＝x方向的位移dy＝y(tǒng)方向的位移這些參數通過解由下列條件決定的方程組而計算出來。
Q/A＝0，Q/B＝0，Q/C＝0，Q/D＝0，Q/E＝0，Q/F＝0根據這樣計算出的參數，轉換參考輪廓62以再次執(zhí)行上述誤差函數從而獲得新的參數。在一個循環(huán)中重復執(zhí)行誤差函數并附帶轉換(attendanttransformation)參考輪廓62，直到最新參數滿足關于目標圖像的線性轉換因素的預定判據為止。例如，當發(fā)現所有或部分參數β，γ，θ，φ，dx，dy分別小于預定值時，作為考慮線性轉換因素的結果可以結束該循環(huán)，提取參數以便將標準參考圖像或參考圖像轉換為最終參考圖像63。
這樣得到的最終參考圖像63補償了目標圖像可能出現的線性變形，而且在缺陷提取單元47中與目標圖像51逐像素地(pixel-by-pixel)進行比較，在該單元中可以選擇目標圖像51的像素，每個像素都有一個灰度強度，該灰度強度與最終參考圖像63相對應的一個像素相差一個預定值或更大。被選擇的像素可以消除目標圖像可能有的線性變形的影響并且可以很好地表現出目標外表的缺陷。被選擇的像素在缺陷分類單元48被檢查，該單元分析被選擇出的像素以確定目標圖像是否包含缺陷并將該缺陷分類成為預定的種類之一。如果該缺陷已被確認，則從缺陷分類單元48發(fā)出一個缺陷信號用于淘汰該目標或者至少明確其是有缺陷的。同時，表示缺陷類型的編碼輸出給顯示器49用來進行視覺確認。
下面對缺陷分類進行說明，將缺陷分成預定類型中的一個，預定類型包括目標圖像前景的“疵點”、“碎裂”、“淡化”、“細化”，背景的“背景噪音”，“寬化”，“過剩(overplus)”，“模糊”，“粗化”。首先，拾取相鄰的被選擇像素并定義一個耦合區(qū)70。接著，如圖7所示，處理該耦合區(qū)70以提取輪廓71。識別缺陷的方案不同，依賴于該方案檢查前景和背景之中的一個。
當檢查前景時，下面四個步驟用來給由耦合區(qū)70定義的缺陷分類。
(1)檢查提取的輪廓71是否包含部分最終參考圖像63輪廓，當提取的輪廓包含時則給出標記“是”，否則給標記“否”。
(2)檢查被包括的該部分參考圖像63的輪廓是否分割成兩個或多個部分，當參考圖像如此分割時則提供標記“是”。
(3)計算耦合區(qū)70內的像素值的強度分布(色散)，檢查該色散是否在預定范圍內以便了解耦合區(qū)是否展現出灰度等級，當色散在預定范圍時提供標記“是”。
(4)計算耦合區(qū)70與參考圖像63對應輪廓重疊的輪廓長度，從而確定出該重疊輪廓與耦合區(qū)輪廓總長的比值，檢查該比值是否在預定范圍內，當比值在預定范圍時提供標記“是”。
根據下面表1中列出的標準估計出識別耦合區(qū)缺陷類型的結果。
表1

(-)表示是/否中的任何一個為了舉例說明的目的，圖9A和圖9B說明了上述四種(4)缺陷，這些缺陷是利用圖8中的最終參考圖像63得出的各種可能的目標圖像中存在的。最終參考目標圖像63的特征是有一個粗十字，在十字的垂直段上有一個細長的空白段。
對于在前景內有各種缺陷的圖9A的目標圖像，作為目標圖像51和最終參考圖像63的比較結果，提取耦合區(qū)70，如圖10A所示。根據上述步驟檢查每個耦合區(qū)70，從而將缺陷分別分類成如圖中所示的“疵點”，“碎裂”，“淡化”。
對于圖9B中有細化的十字的目標圖像，選擇包圍十字的耦合區(qū)70，如圖10B所示，根據上述步驟檢查該區(qū)域并將其分類為“細化”。
另一方面，當檢查目標圖像51的背景時，可以用下面的五個步驟對由耦合區(qū)70定義的缺陷分類。
(1)檢查提取的輪廓71是否包含部分最終參考圖像輪廓，當提取的輪廓包含時則給出標記“是”，否則給標記“否”。
(2)檢查該部分參考圖像的輪廓是否分割成兩個或多個部分，當參考圖像如此分割時則提供標記“是”。
(3)計算包含在耦合區(qū)70內的最終參考圖像63的輪廓長度，從而確定這樣計算出的長度與最終參考圖像63輪廓總長的比值，當比值在預定范圍時提供標記“是”。
(4)計算耦合區(qū)70內的像素值的強度分布(色散)，檢查該色散是否在預定范圍內以便了解耦合區(qū)是否展現出灰度等級，當色散在預定范圍內時提供標記“是”。
(5)計算耦合區(qū)70與相應的最終參考圖像63輪廓重疊的輪廓長度，從而確定出該重疊輪廓與耦合區(qū)輪廓總長的比值，檢查該比值是否在預定范圍內，當比值在預定范圍時提供標記“是”。
根據下面表2中列出的標準估計出識別耦合區(qū)缺陷類型的結果。
表2

(-)表示是/否中的任何一個圖9C和圖9D表示出利用圖8的最終參考圖像得出的在各種可能目標圖像中公認的上述五種缺陷。對于圖9C所示的背景中有各種缺陷的目標圖像，如圖10C所示，提取作為目標圖像51和最終參考圖像63之間比較結果的耦合區(qū)70，然后根據上述步驟進行檢查，以便將缺陷分別分類為“噪音”、“粗化”、“過?！?、“淡化”，如圖中所示。
對于有較粗十字的圖9D中的目標圖像，選擇包圍十字周圍的耦合區(qū)70，如圖10B所示，并根據上述步驟檢查該區(qū)域，然后分類為“粗化”。
作為利用上述誤差函數的替代，同樣可以利用下面表示的另一種誤差函數，該函數表示目標圖像中可能看到的二次變形，比如前面參考圖5A和圖5B說明的。
Q＝∑(Qx2+Qy2) 這里Qx＝αn(Xn-(A·xn2+B·xn·yn+C·yn2+D·xn+E·yn+F))，Qy＝αn(Yn-(G·xn2+H·xn·yn+I·yn2+J·xn+K·yn+L))，Xn，Yn是沿參考輪廓62輪廓的點坐標，xn，yn是沿目標輪廓52輪廓的點坐標，αn是加權因子。
如圖6所示，每一點(xn，yn)被定義為目標輪廓52上的一點，該點是目標輪廓52與一條直線的交點，該直線是過參考輪廓62上的相應點(Xn，Yn)的垂直線。
參數A到F表示目標輪廓相對于參考輪廓的位置、轉角、比例，它們有下列關系。
D＝βcosθE＝-γsinφF＝dxJ＝βsinθK＝γcosφL＝dyβ＝x方向的比例(％)γ＝y(tǒng)方向的比例(％)θ＝x軸的轉角(°)φ＝y(tǒng)軸的轉角(°)dx＝x方向的位移dy＝y(tǒng)方向的位移這些參數通過解由下列條件決定的方程組而計算出來Q/A＝0，Q/B＝0，Q/C＝0，Q/D＝0，Q/E＝0，Q/F＝0，Q/G＝0，Q/H＝0，Q/I＝0，Q/J＝0，Q/K＝0，Q/L＝0利用這樣獲得的參數，采用相同于參考表示線性轉換因素的誤差函數所討論的方法，對參考輪廓進行轉換，直到最新參數滿足表示目標圖像的二次轉換因素的預定判據為止。
當用Sobel濾波(Sobel filter)提取目標圖像和參考圖像的輪廓時，描繪一個邊緣，該邊緣跟隨具有局部最大強度并且方向角θ為-45°到+45°的像素，其中方向角(θ)由公式θ＝tan-1(R/S)表示，其中R是圖像像素在X方向的第一導數(derivative)，S是圖像像素在Y方向的第二導數。因此，可以正確提取這些輪廓。
為了可靠地提取計算需求量減少的輪廓，本發(fā)明不應局限于使用Sobel濾波，而是可用另一種先進技術替代，以便可靠地提取輪廓，減少計算需求量。該技術依賴于圖像的平滑和對該平滑后圖像的區(qū)分(differentiate)。首先，對目標圖像和參考圖像進行不同程度的平滑，從而給出一個第一平滑后的圖像和一個第二平滑后的圖像。然后，區(qū)分這些平滑后的圖像以建立一個有不同數學符號(+/-)的像素數組。接著，拾取像素，每個像素都由一個正或負號表示并且同時與至少一個相反標記的像素相鄰。最后，描繪這些被拾取的像素以便確定每個目標圖像和參考圖像的輪廓。根據該結果，僅需相對減少的計算量就可以容易地提取足夠確定最終參考圖像的輪廓數量，因此也提高了處理速度。
此外，應當注意到，從目標的圖片中成功提取目標圖像，以消除與目標圖像的缺陷不相關的背景噪音。該圖片50被不同程度地平滑以提供第一圖片和第二圖片。然后，對該第一和第二圖片區(qū)分以建立一個具有不同數學符號(+/-)的像素數組，從中拾取相同符號的像素以建立一個僅由這些拾取的像素定義的檢測區(qū)。僅在該檢測區(qū)將目標圖像與最終參考圖像進行比較，在該檢測區(qū)內選擇像素，每個像素具有與相應的最終參考圖像的像素相差預定值或更大的灰度強度。根據該技術使得在確定耦合區(qū)時能夠簡化計算過程，該耦合區(qū)用來對缺陷的確定和分類做最終分析。
權利要求
1.一種用于外表檢測的圖像處理方法，所述方法包括下列步驟a)給一待檢查的目標拍照片，以提供一目標圖像，用于與一參考圖像進行比較；b)提取所述目標圖像的一輪廓，以建立一目標輪廓；c)提取所述參考圖像的一輪廓，以建立一參考輪廓；d)根據一最小二乘法誤差函數處理所述目標輪廓和所述參考輪廓的數據，以導出包括該目標輪廓相對于所述參考輪廓的位置、轉角、比例在內的誤差參數，并利用該得到的誤差參數轉換所述參考輪廓；e)重復步驟(d)直到所述得到的誤差參數滿足一個預定判據為止，該判據表示所述目標圖像的線性轉換因素；f)利用所述誤差參數將所述參考圖像轉換為一最終參考圖像；g)比較所述目標圖像和該最終參考圖像，以選擇所述目標圖像的像素，所述各像素的灰度強度與所述最終參考圖像的對應像素相差一預定值或更大；和h)分析這樣選擇出的像素，以判斷該目標圖像是否不同于該參考圖像，如果該目標圖像與該參考圖像不同則提供一缺陷信號。
2.一種用于外表檢測的圖像處理方法，所述方法包括下列步驟a)給一待檢查的目標拍照片，以提供一目標圖像，用于與一參考圖像進行比較；b)提取所述目標圖像的一輪廓，以建立一目標輪廓；c)提取所述參考圖像的一輪廓，以建立一參考輪廓；d)根據一最小二乘法誤差函數處理所述目標輪廓和所述參考輪廓的數據，以導出包括該目標輪廓相對于所述參考輪廓的位置、轉角、比例在內的誤差參數，并利用該得到的誤差參數轉換所述參考輪廓；e)重復步驟(d)直到所述得到的誤差參數滿足一個預定判據為止，該判據表示所述目標圖像的二次轉換因素；f)利用所述誤差參數將所述參考圖像轉換為一最終參考圖像；g)比較所述目標圖像和該最終參考圖像，以選擇所述目標圖像的像素，所述各像素的灰度強度與所述最終參考圖像的對應像素相差一預定值或更大；和h)分析這樣選擇出的像素，以判斷該目標圖像是否不同于該參考圖像，如果該目標圖像與該參考圖像不同則提供一缺陷信號。
3.根據權利要求1或2所述的方法，其中所述參考圖像是通過下列步驟得到利用一表示原始目標的標準參考圖像；檢查所述照片以確定一幀，在該幀中所述目標看上去與所述標準參考圖像大體一致；將在所述幀內的目標與所述標準參考圖像比較，以得到在該幀內的目標相對于所述原始參考圖像的包括位置、轉角、比例的初級誤差參數；利用所述初級誤差參數將所述標準參考圖像轉換為所述參考圖像。
4.根據權利要求1或2所述的方法，其中所述目標輪廓和所述參考輪廓都是利用Sobe1濾波描繪一邊緣而得到的，該邊緣沿著具有局部最大強度的、且方向角θ為-45°到+45°的像素，其中所述方向角θ由公式θ＝tan-1(R/S)表示，式中R是該像素在x方向的一第一導數，S是該像素在y方向的一第二導數。
5.根據權利要求1或2所述的方法，其中所述目標輪廓和參考輪廓都由下列步驟而獲得的使所述目標圖像和所述參考圖像平滑至不同程度，以建立一第一平滑圖像和一第二平滑圖像；區(qū)分該第一和第二平滑圖像，以建立一不同數學符號的像素數組；拾取由所述數學符號的其中之一表示的、同時與由其他數學符號表示的至少一個像素相鄰的像素，并描繪這樣拾取的像素從而得到該輪廓。
6.根據權利要求1或2所述的方法，其中還包括步驟使該照片平滑至不同程度，以提供一第一照片和一第二照片；區(qū)分該第一和第二照片，以建立一不同數學符號的像素數組；和拾取相同符號的像素，以提供一僅由這樣拾取的像素定義的檢測區(qū)；所述目標圖像僅在所述檢測區(qū)與所述最終參考圖像比較，以在該檢測區(qū)內選擇像素，所述各像素的灰度強度與所述最終參考圖像的對應像素相差該預定值或更大。
7.根據權利要求1或2所述的方法，其中分析所述像素的步驟(h)包括下列子步驟定義一耦合區(qū)，在該耦合區(qū)中所述被選擇的像素以互相鄰接的關系排列；在所述耦合區(qū)內計算像素強度分布；檢查所述耦合區(qū)的幾何圖形；根據該像素強度分布和所述耦合區(qū)的幾何圖形，將該耦合區(qū)分類為預定缺陷類型的其中之一，并且輸出該得到的缺陷類型。
全文摘要
一種用于外表檢測的方法，其利用參考圖像和目標圖像進行檢測。在確定用于與目標圖像直接進行比較的最終參考圖像之前，提取參考圖像和目標圖像的輪廓，并根據一個表示目標圖像的線性或二次變形的誤差函數處理這些輪廓，從而導出目標圖像相對于參考圖像的包括位置、轉角、比例的誤差參數。利用得到的誤差參數轉換該參考輪廓。重復進行更新該誤差參數和轉換該參考輪廓的步驟直到該更新后的誤差參數滿足一個關于該目標圖像的線性或二次轉換因素的預定判據為止。之后，用該最后更新的參數將參考圖像轉換為最終參考圖像以便直接與目標圖像比較。
文檔編號G06T7/00GK1565000SQ0380121
公開日2005年1月12日 申請日期2003年7月24日 優(yōu)先權日2002年7月26日
發(fā)明者橋本良仁, 池田和隆 申請人:松下電工株式會社