目录机器视觉一概述机器视觉二机器视觉硬件技术机器视觉三摄像机标定技术机器视觉四空域图像增强机器视觉五机器视觉与世界杯机器视觉六频域图像增强机器视觉七图像分割机器视觉八图像特征提取机器视觉九图像配准机器视觉十字符识别以下为正文待配准图像与原图像相比存在偏移、旋转、比例等空间变换关系图像配准就是将不同传感器所采集得到的同一场景的多光谱、多波段或同一传感器在不同时相、不同方位、不同条件下气候、照度、摄像位置和角度等获得同一场景的两幅或多幅图像进行匹配的过程。一、图像配准概述一常用图像变换1.刚体变换一幅图像中的两点间的距离经变换到另一幅图像中后仍然保持不变。2.仿射变换一幅图像上的直线经过变换后映射到另一幅图像上仍然为直线并且保持平行关系。3.投影变换一幅图像上的直线经过变换后映射到另一幅图像上仍然为直线但平行关系基本不保持。4.非线性变换一幅图像上的直线映射到另一幅图像上不一定是直线可能是曲线。二图像配准方法分类1.基于像素的配准方法一般根据配准图像的相关函数、Fourier变换等关系式来计算配准参数。其中最简单的方法就是窗口(模板)匹配法。2.基于特征的配准方法主要是采用各种算法提取基准图像和实时图像的特征如边缘、角点、曲率、不变矩等然后对提取的特征进行描述从而使其可以按照某种相似性测度进行匹配。3.基于模型的配准方法根据图像失真的数学模型来对图像进行非线性校正式的配准多用于医学图像。二、图像配准方法一基于特征点的配准定位方法下图中椭圆区域为SIFT特征匹配区域椭圆的中心位置代表了关键点在图像中的二维坐标位置椭圆的长轴代表了关键点的尺度椭圆的方向代表了该关键点的方向。SIFT特征提取aSIFT特征提取bSIFT特征匹配结果图图像对的匹配点数随着阈值的增加而逐渐减少但是匹配点更加稳定。SIFT特征是图像的局部特征信息量丰富适用于在海量特征数据库中进行快速、准确的匹配并可通过选择适合的阈值寻找可靠、稳定的特征匹配点。二基于图像矩的配准定位方法对基准图像和待配准图像进行特征提取预处理采用质心主轴法完成两幅图像特征之间的匹配建立图像之间的配准映射关系利用仿射变换对待配准图像进行图像变换实现图像配准定位。对基准图像和待配准图像分别进行图像处理经过阈值分割、中值滤波、轮廓提取、轮廓跟踪得到两幅图像的连续完整轮廓分别针对两个轮廓图像计算出其目标轮廓的主轴两主轴的夹角即为图像的旋转角。