[发明专利]旋转不变的模板图像生成方法、装置、设备及存储介质

说明书

本发明公开了一种旋转不变的模板图像生成方法、装置、设备及存储介质，所述旋转不变的模板图像生成方法包括：获取原模板图像，并将所述原模板图像进行旋转操作及平均操作得到角度平均图像；基于所述角度平均图像，生成旋转不变的模板图像，以供基于所述旋转不变的模板图像在待搜索图像上进行匹配。本发明利用角度平均图像的旋转不变性，生成旋转不变的模板图像，以基于旋转不变的模板图像直接忽略旋转变化在待搜索图像上进行匹配，本发明提高了图像模板匹配的准确率，并提高了图像模板匹配的速率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种旋转不变的模板图像生成方法、装置、设备及计算机可读存储介质。

背景技术

随着科技的迅速发展，越来越多的技术应用于图像处理领域。目前，图像模板匹配广泛应用于图像校准、物体识别和导航定位等。通常，需给定一个模板图像，以供在待搜索图像上寻找与其内容最相似的位置。然而，当模板图像与待搜索图像之间存在旋转角度差异时，需要采用旋转不变的模板匹配算法进行匹配。

目前，通过特征点匹配可进行旋转不变的模板匹配。该特征点匹配是从图像上提取一系列的特征点，然后通过估计模板图像与待搜索图像之间点的对应关系，计算出坐标变换矩阵，进而得到二者的位置关系。例如，SIFT（Scale-invariant feature transform，尺度不变特征转换）算法在尺度空间上提取极值点作为显著的特征点，并在每个特征点的邻域范围内计算梯度方向直方图作为该特征点的描述子，然后，模板图像与待搜索图像之间通过比较描述子之间的相似性来确定点对的关系，进而得到模板图像与待搜索图像之间变换关系，以求解出模板图像在待搜索图像上的位置。此外，SURF（Speeded Up RobustFeatures，加速稳健特征）算法在SIFT算法的基础上，使用Hessian（黑塞）矩阵的近似表达来构造图像金字塔。同时，使用Haar（小波特征）特征代替梯度直方图生成描述子来加速特征的提取。ORB（特征提取算法）则通过判断连续多个亮暗点来生成特征点，进一步加速特征点的提取，并利用数据库来学习点对规则构建描述子。然而，上述方法受限于局部特征点及其描述子的可靠性，在实际应用很容易受噪声及相似点的影响导致模板匹配失败。

其次，通过逐像素滑动匹配也可进行旋转不变的模板匹配。该逐像素滑动匹配的核心思想是将模板图像在待搜索图像上逐像素滑动，每滑动到一个位置则计算模板图像与该位置处相应区域的相关性，并且将相关性最大的位置作为最终的匹配位置。然而，当模板图像与待搜索图像间存在旋转变化时，需要将模板图像旋转到不同的角度，使其在每个位置上均进行角度空间的搜索，这样导致匹配速度大幅度降低。

此外，通过圆投影算法也可以进行旋转不变的模板匹配。具体的，将局部区域按圆环计算平均灰度值来生成旋转不变的特征以进行模板匹配。在匹配过程中，每滑动到一个位置需要计算待搜索图像上该位置处的旋转不变特征，使得计算量巨大，从而导致匹配速度较低。并且，圆形投影算法直接利用圆环上的平均灰度值生成旋转不变的特征，使得特征不够显著，导致容易出现误匹配。

综上所述，如何提高图像模板匹配的准确率、如何提高图像模板匹配的速率，是目前亟需解决的问题。

发明内容

本发明的主要目的在于提供一种旋转不变的模板图像生成方法、装置、设备及计算机可读存储介质，旨在提高图像模板匹配的准确率，并提高图像模板匹配的速率。

为实现上述目的，本发明提供一种旋转不变的模板图像生成方法，所述旋转不变的模板图像生成方法包括以下步骤：

获取原模板图像，并将所述原模板图像进行旋转操作及平均操作得到角度平均图像；

基于所述角度平均图像，生成旋转不变的模板图像，以供基于所述旋转不变的模板图像在待搜索图像上进行匹配。

可选地，所述将所述原模板图像进行旋转操作及平均操作得到角度平均图像的步骤包括：

获取所述原模板图像的中心点，并将所述中心点作为旋转点；