一种视觉模板自动提取方法、系统及存储介质与流程

本发明涉及图像、视频数据处理、机器视觉领域，特别涉及一种视觉模板自动提取方法。

背景技术：

目标检测是计算机视觉和机器视觉中的重要问题，其目的是检测定位场景图像中的目标物体。目标检测在工业自动化、机器人、无人驾驶等领域应用广泛，是计算机视觉和机器视觉，尤其是视觉检测中的一个重要研究领域。

目标检测能够在复杂场景中有效提取目标信息，是实现机械智能化的前提条件。目标检测是计算机视觉领域中一个基础性的研究课题，主要包含两类不同的检测任务：目标实例检测和目标类别检测。根据物体实例表观特征，传统目标实例检测又分为基于特征点匹配与基于模板匹配的两种检测方法。

基于特征点匹配的目标检测应用于表面包含丰富纹理的物体检测，原理是当目标表面纹理丰富时，能够使用特征描述子，如sift、surf，提取目标表面的特征点，并利用这些特征在待检测图像中搜索目标物体。就算法本身而言，该方法的准确率与特征描述子的优劣直接相关。作为优秀特征描述子的代表，sift算子在多尺度空间提取特征点，以特征点领域内梯度分布作为特征信息，从而支持尺度、光照、旋转不变性。

基于模板匹配的目标检测则应用于外观无纹理或少纹理的目标物体检测中，通过chamfer距离、hausdorff距离、图像梯度等度量模板图像与目标图像的差异，从而输出目标的包围圈或中心点以实现检测的方法。此外，近年机器学习，特别是深度学习技术的突飞猛进，基于神经网络的目标检测方法以其强大的特征提取能力和学习能力在各领域、各赛事中大放异彩。随着计算机硬件性能与神经网络结构算法的提升，多层神经网络的训练与应用成为了可能，准确率甚至赶超人眼。然而该技术的实现必须在前期使用大量的图像样本耗费大量时间来训练神经网络。

基于特征点匹配、模板匹配、神经网络的目标实例检测的共同点是都需要提供模板图像，不同的是实现方法不同。目前市面上的视觉系统基本使用人工手动的方式采集模板图像，主要存在两个方面的缺陷。一、操作费时费力。目前市面上的视觉系统采集模板是由用户通过gui界面交互操作截取获得。用户第一次使用前需经过简单培训或说明。同时应用于神经网络的大量样本图像，若由人工手动采集，势必花费大量的人力物力与时间。此外，复杂的操作不利于工业自动化与智能化。二、模板图像质量不高。若直接保存相机拍摄的场景图像，则图像中不仅包含了目标物体，还包含了一定的场景无效信息，过多的无效信息会一定程度影响目标的检测率。

技术实现要素：

(一)要解决的技术问题

为了克服现有技术的上述缺陷，本发明提供了一种视觉模板自动提取方法、系统及存储介质。

(二)技术方案

根据本发明的一个方面，提供一种视觉模板自动提取方法，包括步骤：步骤1，获取不包含目标物体的场景图像i1；步骤2，将目标物体放置到所述场景中，获取包含目标物体的场景图像i2；步骤3，根据所述场景图像i1和所述场景图像i2获取所述目标物体的模板图像；所述场景图像i1和所述场景图像i2是静态场景的数字图像。

根据本发明的另一方面，提供一种视觉模板自动提取系统，该系统包括：图像获取装置，用于获取不包含目标物体的场景图像i1以及包含有目标物体的场景图像i2；模板图像获取装置，用于根据所述场景图像i1和所述场景图像i2获取所述目标物体的模板图像，所述场景图像i1和所述场景图像i2是静态场景的数字图像。

根据本发明的再一方面，提供一种存储介质，其上存储有计算机程序，通过处理器执行所述计算机程序以实现：步骤1，获取不包含目标物体的场景图像i1；步骤2，将目标物体放置到所述场景中，获取包含目标物体的场景图像i2；步骤3，根据所述场景图像i1和所述场景图像i2获取所述目标物体的模板图像；所述场景图像i1和所述场景图像i2是静态场景的数字图像。

根据本发明的再一方面，提供一种视觉模板自动提取系统，其包括存储介质和处理器，存储介质上存储有计算机程序，通过处理器执行所述计算机程序以实现：步骤1，获取不包含目标物体的场景图像i1；步骤2，将目标物体放置到所述场景中，获取包含目标物体的场景图像i2；步骤3，根据所述场景图像i1和所述场景图像i2获取所述目标物体的模板图像；所述场景图像i1和所述场景图像i2是静态场景的数字图像。

(三)有益效果

本发明的视觉模板自动提取方法具备如下优点：

1、操作简单。本发明只需用户点击两次按钮即可实现模板采集，无需复杂的人机交互操作，自动化程度高。与不同功能的视觉系统结合，能够简化用户操作，快捷生成大量模板。

2、环境影响小。本发明通过图像相减的方法，消除相同的场景图像部分，保留目标的真实形貌。因此，模板图像中基本为目标物体的图像信息，减少了环境对目标检测的影响。

3、通用性强。本发明不仅能够单独运行实现模板自动提取功能，而且能够根据不同用户的需求与各类目标检测程序无缝连接，以快速、便捷地实现多种目标检测识别功能。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是根据本发明的视觉模板自动提取方法流程图。

图2示出了无目标场景图像。

图3以举例的方式示出了低阈值模板自动提取效果。

图4以举例的方式示出了高阈值模板自动提取效果。

图5以举例的方式示出了根据本发明的方法提取的模板图像。

具体实施方式

为使本发明的目的、技术方案和优点更加清晰易懂，下面结合附图对本发明具体实施方式进行说明。在此，本发明的示意性实例仅仅用于解释本发明功能与效果，但不作为对本发明的限定。

本发明提出了一种视觉模板自动提取方法。

图1为本发明视觉模板自动提取方法的流程图，参照1，该方法包括步骤：

步骤100，获取无目标物体的场景图像。

在该步骤，用户可利用相机通过操作界面点击按钮来获取场景图像。例如可安装固定相机，利用相机获得不包含目标物体的场景图象，在本实施例中为静态场景数字图像i1。图像可以直接使用灰度图像或彩色图像，在本发明，各步骤中图像必须与该图像i1通道数一致。本发明仅以单通道灰度图像为例进行说明，三通道彩色图像的各个通道操作与灰度图像一致。为了方便对本发明进行理解，本实施例以苹果手机的图像为例进行说明。不包含目标物体的场景图象如图2所示。

步骤200，获取包含有目标物体的场景图像。

保持步骤100中的场景不变，将目标物体放入拍摄的场景中。调整目标物体的姿态，利用相机获得包含有目标物体的静态场景数字图像i2，如图3所示。

步骤300，差分图像获取。将图像i1减去图像i2并取绝对值，获得差分绝对值图像i3，即i3＝|i2-i1|。

步骤400，设置阈值t，将图像i3中像素点的值i3(x,y)与阈值t进行比较，大于t的像素点的值置1，小于等于t的像素点的值置0，x、y分别为图像像素点的横、纵坐标，通过该步骤将图像i3转化为仅包含0和1的二值图像。当光照等环境因素变化，可能会导致绝对值图像i3产生一定程度的噪声，从而增大了模板提取范围，影响模板提取效果。图3为低阈值模板自动提取效果，从图中可以看出，提取的模板不仅包含了目标物体的轮廓，还包含了一部分环境图像，效果不够理想。此时通过增大阈值t，则能够有效缩小模板提取范围，获得准确的模板信息，如图4所示，相比于图3的效果明显变好。

步骤500，对步骤400得到的二值图像i3进行滤波，滤波方法有中值滤波、盒式滤波、高斯滤波、双边滤波、引导滤波等，能够有效剔除噪声。

步骤600，对经过滤波的图象i3提取包围该图象的轮廓，并提取该轮廓的正外接矩形的位置与尺寸信息，得到模板框。提取图像轮廓可由opencv库函数findcontours实现，正外接矩形可由opencv库函数boundingrect实现。

步骤700，利用步骤600获得的轮廓信息，在图像i2中画出该模板框。若该模板框的位置、大小合适，则用户通过再次点击操作界面按钮，保存为模板图片。如不合适，则重复步骤200到步骤700。图5为根据本发明的方法提取的模板图像。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。