CN103593838A - 一种快速互相关灰度图像匹配方法与装置 - Google Patents

Abstract

本发明公开了一种快速互相关灰度图像匹配方法与装置，用于在灰度目标图像中查找目标图案的位置与方向，所述方法包括：对模板图像进行极坐标转换；获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区；在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，计算所述匹配区域一维数据与所述模板图像一维数组的相关性；直至对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。通过本发明方法，从而缩小匹配的搜索范围，提高匹配速度，并且通过极坐标形式的归一化互相关计算，实现目标图像±180度全角度匹配。

Description

一种快速互相关灰度图像匹配方法与装置

技术领域

本发明属于图像处理技术领域，更具体地，涉及一种快速互相关灰度图像匹配方法与装置。 

背景技术

在集成电路（IC）制造业中，高速度、高精度的进行拾取、放置芯片是影响生产效率的关键。而拾取、放置芯片又依赖于高速度、高精度的芯片定位技术。机器视觉技术利用摄像机对检测对象进行拍照，然后通过相应的图像处理算法进行计算与分析，从而完成目标检测与定位，作为一种非接触的测量手段，机器视觉技术在IC制造业得到非常广泛应用。在机器视觉中，图像匹配技术是实现高速度、高精度定位的关键。 

传统的归一化互相关灰度匹配方法对整幅图像进行搜索匹配，浪费了大量的匹配时间。同时由于IC制造设备本身机械误差的原因，常常出现模板图案与目标图像中的图案存在旋转的情况，由于旋转的存在，使得图像匹配算法更加复杂。 

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种能快速全角度进行归一化互相关灰度匹配方法，其目的在于提高灰度匹配速度，由此解决IC制造装备因为图像匹配时间过长，影响生产效率的技术问题。 

为实现上述目的，按照本发明的一个方面，提供了一种快速互相关灰度图像匹配方法，用于在灰度目标图像中查找目标图案的位置与方向，包括： 

（1）对模板图像进行极坐标转换，并将转换后的模板图像数据转换为 一维数组，将其定义为模板图像一维数组； 

（2）获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区,其中所述外接盒是指包含目标图案的最小长方形； 

（3）在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，并将转换后的匹配区域图像数据也转换为一维数组，将其定义为匹配区域一维数组，计算所述匹配区域一维数据与所述模板图像一维数组的相关性； 

（4）重复步骤（3），直至对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。 

通过本发明所提出的方法，对采集到的图像进行预处理，确定出目标图像中图案的外接盒位置，从而缩小匹配的搜索范围，提高匹配速度；另外将模板图像和目标搜索区域图像转换成一维数组，然后进行极坐标形式的归一化互相关计算，实现目标图像±180度全角度匹配。 

优选地，所述步骤（1）具体包括： 

设模板图像的宽度为W_M，模板图像的高度为H_M，模板图像某点的像素灰度值为Mode[Y][X]，其中0≤Y<H_M，0≤X<W_M，则模板图像的中心点坐标为Y_CM=(H_M-1)/2，X_CM=(W_M-1)/2，以模板图像中心为圆心，以模板W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组：ModePolar[P]=Mode[Y][X]，其中Y=FLOOR(Y_CM-ρsinθ_M)，X=FLOOR(X_CM+ρcosθ_M)，FLOOR符号代表取比括号中的数小的最大整数，ρ=1,2…R_M,θ_M=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，N=CEIL((2π/Δθ+1)·R_M-1)，CEIL代表取比括号中的数大的最小整数，将ModePolar[P]数组复制1份，2个数组首尾相连组成新的一维数组ModePolar D[Q]，其中Q=0,1,2…2N，并计算归一化互相关参数： 

$\mathrm{SM}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\left[P\right]$

$S\left(M^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ModePolar}\right[P\left]\right)}^2$

${\mathrm{SM}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\right[P\left]\right)}^2$

$\mathrm{corrDen}=\sqrt{N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2}.$

通过将二维图像数据经过极坐标变换转换成一维图像数据，从而将复杂的有旋转角度的匹配问题，转换成了简单的一维数组计算互相关值的问题，同时离线计算部分归一化互相关值中的一些参数，提高了在线匹配的速度。 

优选的，所述ModePolar[P]的赋值过程为： 

(A11)初始化参数：ρ=1，θ_M=0，P=0，Y_C=(H_M-1)/2，X_C=(W_M-1)/2； 

(A12)计算参数：Y=FLOOR(Y_CM-ρsinθ_M)，X=FLOOR(X_CM+ρcoθ_M)； 

(A13)将模板图像的数据进行极坐标转换：ModePolar[P]=Mode[Y][X]； 

(A14)ρ=ρ+1，P=P+1； 

(A15)判断ρ是否大于R_M，如果大于则执行第(A16)步，如果不大于则返回执行第（A12）步； 

(A16)ρ=0，θ_M=θ_M+Δθ； 

(A17)判断θ_M是否大于2π，如果大于则结束，如果不大于则返回执行第（A12）步。 

优选的，所述步骤（2）具体为： 

设置相应的灰度阈值将灰度目标图像二值化，二值化后的灰度目标图像变成黑白两色，对经过二值化后的灰度目标图像采用像素标记或者游程连通性分析方法进行连通域分析，计算出目标图案的外接盒，其中外接盒是指包含目标图案的最小长方形； 

设计算出的外接盒的左上角相对目标图像坐标原点的像素坐标为（X_B,Y_B)，外接盒的宽度为W_B，高度为H_B，则原目标图像中的目标图案 搜索区左上角相对于目标图像坐标原点的坐标为X_S0=X_B-Offset，Y_S0=Y_B-Offset，目标图案搜索区的宽度W_S=W_B+2×Offset，高度为H_S=H_B+2×Offset，其中Offset为整数，取值范围为5～10个像素。 

通过计算外接盒，从而快速将目标图案进行了粗略定位，从而缩小了下一步进行互相关匹配的搜索范围，提高了图像匹配速度。 

优选的，所述步骤（3）具体包括： 

从原目标图像中截取目标图案搜索区内的图像，称为搜索图像，则搜索图像的宽度为W_S，高度为H_S，搜索图像X坐标表示为X_S，Y坐标表示为Y_S，MaxCcorr代表搜索图像与模板图像的最大互相关值，在搜索图像中进行归一化互相关灰度匹配，匹配流程如下： 

B1)初始化参数：X_S=0，Y_S=0，MaxCcorr=0； 

B2)判断Y_S是否小于H_S，如果不小于则结束，如果小于则执行B3)； 

B3)判断X_S是否小于W_S，如果不小于则X_S=0，Y_S=Y_S+1，返回执行B2)步，如果小于则执行B4)步； 

B4)对搜索图像中与模板大小相同的图像区域进行极坐标转换，该区域的图像称为匹配区域图像；匹配区域图像的宽度和高度与模板图像相同分别为W_M，高度为H_M，匹配区域中某点的像素灰度值为Image[Y][X]，其中Y_S≤Y<Y_S+H_M，X_S≤X<X_S+W_M，则匹配区域的中心点坐标为Y_CI=Y_s+(H_M-1)/2，X_CI=X_s+(W_M-1)/2，以匹配区域中心为圆心，以W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组ImagePolar[P]=Image[Y][X]，Y=FLOOR(Y_CI-ρsinθ_I)，X=FLOOR(X_CI+ρcosθ_I)，FLOOR代表取比括号中的数小的最大整数，其中ρ=1,2…R_M,θ_I=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，P=0,1,2…N，N=CEIL((2π/Δθ+1)R_M-1),CEIL代表取比括号中的数大的最小整数； 

B5)计算归一化互相关参数： 

$\mathrm{SI}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\left[P\right]$

$S\left(I^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ImagePolar}\right[P\left]\right)}^2$

${\mathrm{SI}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\right[P\left]\right)}^2$

B6)初始整数i=0； 

B7)判断i是否大于N，如果大于则X_S=X_S+1，返回执行B3）,否则执行B8)； 

B8)计算模板图像与匹配区域的归一化互相关值Ccorr_i： 

$S_i\left(\mathrm{IM}\right)={\mathrm{\&Sigma;}}_{P=i}^{P=N+i}\left(\mathrm{ImagePolar}\right[P-i]\&CenterDot;\mathrm{ModePolarD}[P\left]\right)$

${\mathrm{Ccorr}}_i=\frac{N\&CenterDot;S_i\left(\mathrm{IM}\right)-\mathrm{SI}\&CenterDot;\mathrm{SM}}{\sqrt{|N\&CenterDot;S\left(I^2\right)-{\mathrm{SI}}^2||N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2|}}$

B9)判断Ccorr_i是否大于MaxCcorr，如果不大于则执行B10)，如果大于则将Ccorr_i赋值给MaxCcorr，并记录此时匹配区域中心点的坐标(X_T,Y_T)，其中X_T=X_S+(W_M-1)/2，Y_T=Y_S+(H_M-1)/2，记录角度θ_T=Δθ·FLOOR((P+R_M)/R_M)； 

B10)i=i+1返回执行B6)步。 

通过采用将模板图像和目标图像进行极坐标转换成一维数组的方式，从而将模板图像与目标图像的旋转匹配，转换成了两个一维数组之间进行相对平移计算互相关值的问题，避免了对一幅图像每隔一定角度旋转一次，然后匹配一次的问题，从而缩短了匹配时间，提高了匹配速度。 

优选的，所述ImagePolar[P]的赋值过程为： 

（B41）初始化参数：ρ=1，θ_I=0，P=0，Y_CI=Y_S+(H_M-1)/2，X_CI=X_S+(W_M-1)/2； 

（B42）计算参数：Y=FLOOR(Y_CI-ρsinθ_I)，X=FLOOR(X_CI+ρcosθ_I)； 

（B43）将匹配区域的数据进行极坐标转换：ImagePolar[P]=Image [Y][X]； 

（B44）ρ=ρ+1，P=P+1； 

（B45）判断ρ是否大于R_M，如果大于则执行第（B46）步，如果不大于则返回执行第（B42）步； 

（B46）ρ=0，θ_I=θ_I+Δθ； 

（B47）判断θ_I是否大于2π，如果大于则结束，如果不大于则返回执行第（B42）步。 

优选的，所述步骤（4）具体为： 

若在B2)步中，YS不再小于HS，则计算结束，当对所有的匹配区域均完成相关性计后，获得模板图像在目标图像中的位置(XF,YF)及角度θF，其中XF=XT+Xs0，YF=YT+Ys0，θF=θT，其中XT，YT和θT为B1)～B10)计算结束前最后保存的值。 

按照本发明的另一方面，提供了一种快速互相关灰度图像匹配装置，其特征在于，用于在灰度目标图像中查找目标图案的位置与方向，所述装置包括： 

第一模块，用于对模板图像进行极坐标转换，并将转换后的模板图像数据转换为一维数组，将其定义为模板图像一维数组； 

第二模块，用于获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区； 

第三模块，用于在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，并将转换后的匹配区域图像数据也转换为一维数组，将其定义为匹配区域一维数组，计算所述第一匹配区域一维数据与所述模板图像一维数组的相关性； 

第四模块，当所述第三模块对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。 

通过本发明所提供的方法，本发明的有益效果是： 

1.针对IC制造中采集到的图像芯片图案与芯片背景灰度值相差较大的特点，通过加入对采集到的图像进行二值化和连通域分析的预处理方法，确定出目标图像中图案的外接盒位置，从而缩小匹配的搜索范围，提高匹配速度。 

2.采用将模板图像和目标搜索区域图像转换成一维数组，然后进行极坐标形式的归一化互相关计算，从而实现目标图像±180度全角度匹配。 

附图说明

图1是本发明的快速互相关灰度图像匹配方法的整体流程图； 

图2是本发明所构建的一个实施例中模板图像的极坐标转换流程图； 

图3是本发明所构建的一个实施例中目标图像搜索模板图像流程图； 

图4是本发明所构建的一个实施例中匹配区域图像极坐标转换流程图。 

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。 

如图1所示，本发明提供了一种快速互相关灰度图像匹配方法，用于在灰度目标图像中查找目标图案的位置与方向，所述方法包括： 

（1）对模板图像进行极坐标转换，并将转换后的模板图像数据转换为一维数组，将其定义为模板图像一维数组； 

（2）获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区； 

（3）在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，并将转换后的匹配区域图像数据也转换为一 维数组，将其定义为匹配区域一维数组，计算所述匹配区域一维数据与所述模板图像一维数组的相关性； 

（4）重复步骤（3），直至对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。 

通过本发明所提出的方法，对采集到的图像进行预处理，确定出目标图像中图案的外接盒位置，从而缩小匹配的搜索范围，提高匹配速度；另外将模板图像和目标搜索区域图像转换成一维数组，然后进行极坐标形式的归一化互相关计算，实现目标图像±180度全角度匹配。 

具体的，下述对本发明中对灰度图像中目标图案的匹配方法作详细说明，对于灰度图像可以表示为行列方向的二维数组，每个数组元素的值代表了该点的像素灰度值，以图像左上角为图像坐标的原点，垂直向下方向为Y正方向，同时也为行数标号递增方向，代表了图像的高度方向，水平向右方向为X正方向，同时也为列数标号递增方向，代表了图像的宽度方向。 

本方法具体分为离线阶段和在线阶段。 

离线阶段，首先对模板图像进行预处理，具体步骤如下： 

A1)对模板图像进行极坐标转换，转换后的数据保存为一维数组，具体步骤如下： 

假设模板图像的宽度为W_M，模板图像的高度为H_M，模板图像某点的像素灰度值为Mode[Y][X]，其中0≤Y<H_M，0≤X<W_M，则模板图像的中心点坐标为Y_CM=(H_M-1)/2，X_CM=(W_M-1)/2，以模板图像中心为圆心，以模板W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组： 

ModePolar[P]=Mode[Y][X] 

Y=FLOOR(Y_CM-ρsinθ_M) 

X=FLOOR(X_CM+ρcosθ_M) 

其中FLOOR符号代表取比括号中的数小的最大整数，ρ=1,2…R_M,θ _M=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，例如要求匹配的角度精度为1度，则Δθ=π/180，P=0,1,2…N，N=CEIL((2π/Δθ+1)·R_M-1)，CEIL代表取比括号中的数大的最大整数，如图2所示，所述ModePolar[P]的赋值过程为： 

(A11)初始化参数：ρ=1，θ_M=0，P=0，Y_C=(H_M-1)/2，X_C=(W_M-1)/2； 

(A12)计算参数：Y=FLOOR(Y_CM-ρsinθ_M)，X=FLOOR(X_CM+ρcoθ_M)； 

(A13)将模板图像的数据进行极坐标转换：ModePolar[P]=Mode[Y][X]； 

(A14)ρ=ρ+1，P=P+1； 

(A15)判断ρ是否大于R_M，如果大于则执行第6步，如果不大于则返回执行第（2）步； 

(A16)ρ=0，θ_M=θ_M+Δθ； 

(A17)判断θ_M是否大于2π，如果大于则结束A1)执行A2)，如果不大于则返回执行第（2）步。 

A2)计算归一化互相关公式中的部分参数： 

$\mathrm{SM}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\left[P\right]$

$S\left(M^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ModePolar}\right[P\left]\right)}^2$

${\mathrm{SM}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\right[P\left]\right)}^2$

$\mathrm{corrDen}=\sqrt{N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2}.$

A3)将ModePolar[P]数组复制1份，2个数组首尾相连组成新的一维数组ModePolarD[Q]，其中Q=0,1,2…2N。 

在线阶段，用于在目标图像中搜索模板图像图案，具体步骤如下： 

B1)拷贝原目标图像，通过设置相应的灰度阈值将拷贝后的图像进行二值化，二值化后的图像变成黑白两色，由于IC制造中采集到的图像芯片图案与芯片背景灰度值相差较大，经过二值化后芯片的大部分变成一种色，背景变成与之相反色，比如芯片大部分为黑色，背景为白色。对经过二值化后的目标图像采用如像素标记、游程连通性分析方法进行连通域分析，计算出芯片图像区域的外接盒，其中外接盒是指包含目标区域（这里指芯片图案）的最小长方形，一般长方形朝向坐标轴。假设计算出的外接盒的左上角相对目标图像坐标原点的像素坐标为(X_B,Y_B)，外接盒的宽度为W_B，高度为H_B，则原目标图像中的搜索区域左上角相对于目标图像坐标原点的坐标为X_S0=X_B-Offset，Y_S0=Y_B-Offset，搜索区域的宽度W_S=W_B+2×Offset，高度为H_S=H_B+2×Offset，其中Offset为整数，取值范围为5～10个像素。 

从原目标图像中截取搜索区域内的图像，称为搜索图像，则搜索图像的宽度为W_S，高度为H_S，搜索图像X坐标表示为X_S，Y坐标表示为Y_S，M_axC_corr代表搜索图像与模板图像的最大互相关值，在搜索图像中进行归一化互相关灰度匹配，如图3所示，所述匹配流程如下： 

B2)初始化参数：X_S=0,Y_S=0,MaxCcorr=0； 

B3)判断Y_S是否小于H_S，如果不小于则结束，如果小于则执行B4)。 

B4)判断X_S是否小于W_S，如果不小于则X_S=0，Y_S=Y_S+1，返回执行B3)步，如果小于则执行B5)步。 

B5)对搜索图像中与模板大小相同的图像区域进行极坐标转换，该区域的图像称为匹配区域图像。匹配区域图像的宽度和高度与模板图像相同分别为W_M，高度为H_M，匹配区域中某点的像素灰度值为Image[Y][X]，其中Y_S≤Y<Y_S+H_M，X_S≤X<X_S+W_M，则匹配区域的中心点坐标为Y_CI=Y_s+(H_M-1)/2，X_CI=X_s+(W_M-1)/2，以匹配区域中心为圆心，以W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组ImagePolar[P]=Image[Y][X]，Y=FLOOR(Y_CI-ρsinθ_I)， X=FLOOR(X_CI+ρcosθ_I)，FLOOR代表取比括号中的数小的最大整数，其中ρ=1,2…R_M,θ_I=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，与模板图像的精度相同，例如要求匹配的角度精度为1度，则Δθ=π/180,P=0,1,2…N，N=CEIL((2π/Δθ+1)R_M-1)，CEIL代表取比括号中的数大的最大整数，如图4所示，所述ImagePolar[P]的赋值过程为： 

（B51）初始化参数：ρ=1，θ_I=0，P=0，Y_CI=Y_S+(H_M-1)/2，X_CI=X_S+(W_M-1)/2； 

（B52）计算参数：Y=FLOOR（Y_CI-ρsinθ_I)，X=FLOOR(X_CI+ρcosθ_I)； 

（B53）将匹配区域的数据进行极坐标转换：ImagePolar[P]=Image[Y][X]； 

（B54）ρ=ρ+1，P=P+1； 

（B55）判断ρ是否大于R_M，如果大于则执行第（6）步，如果不大于则返回执行第（2）步； 

（B56）ρ=0，θ_I=θ_I+Δθ； 

（B57）判断θ_I是否大于2π，如果大于则结束B5)，执行B6)，如果不大于则返回执行第（2）步。 

B6)计算归一化互相关参数： 

$\mathrm{SI}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\left[P\right]$

$S\left(I^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ImagePolar}\right[P\left]\right)}^2$

${\mathrm{SI}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\right[P\left]\right)}^2$

B7)初始整数i=0； 

B8)判断i是否大于N，如果大于则X_S=X_S+1，返回执行B4），否则执行B9)； 

B9)计算模板图像与匹配区域的归一化互相关值Ccorr_i： 

$S_i\left(\mathrm{IM}\right)={\mathrm{\&Sigma;}}_{P=i}^{P=N+i}\left(\mathrm{ImagePolar}\right[P-i]\&CenterDot;\mathrm{ModePolarD}[P\left]\right)$

${\mathrm{Ccorr}}_i=\frac{N\&CenterDot;S_i\left(\mathrm{IM}\right)-\mathrm{SI}\&CenterDot;\mathrm{SM}}{\sqrt{|N\&CenterDot;S\left(I^2\right)-{\mathrm{SI}}^2||N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2|}}$

B10)判断Ccorr_i是否大于MaxCcorr，如果不大于则执行B11)，如果大于则将Ccorr_i赋值给MaxCcorr，并记录此时匹配区域中心点的坐标(X_T,Y_T)，其中X_T=X_S+(W_M-1)/2，Y_T=Y_S+(H_M-1)/2，记录角度θ_T=Δθ·FLOOR((P+R_M)/R_M)； 

B11)i=i+1返回执行B8)步。 

经过B1)～B11)步后，若在B3)步中，Y_S不再小于H_S，则计算结束。即可获得模板图像在目标图像中的位置(X_F,Y_F)及角度θ_F，其中X_F=X_T+X_s0，Y_F=Y_T+Y_s0，θ_F=θ_T,其中X_T，Y_T和θ_T为B1)～B11)计算结束前最后保存的值。 

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。 

Claims (8)

1.一种快速互相关灰度图像匹配方法，其特征在于，用于在灰度目标图像中查找目标图案的位置与方向，包括：

（1）对模板图像进行极坐标转换，并将转换后的模板图像数据转换为一维数组，将其定义为模板图像一维数组；

（2）获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区,其中所述外接盒是指包含目标图案的最小长方形；

（3）在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，并将转换后的匹配区域图像数据也转换为一维数组，将其定义为匹配区域一维数组，计算所述匹配区域一维数据与所述模板图像一维数组的相关性；

（4）重复步骤（3），直至对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。

2.如权利要求1所述的方法，其特征在于，所述步骤（1）具体包括：设模板图像的宽度为W_M，模板图像的高度为H_M，模板图像某点的像素灰度值为Mode[Y][X]，其中0≤Y<H_M，0≤X<W_M，则模板图像的中心点坐标为Y_CM=(H_M-1)/2，X_CM=(W_M-1)/2，以模板图像中心为圆心，以模板W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组：ModePolar[P]=Mode[Y][X]，其中Y=FLOOR(Y_CM-ρsinθ_M)，X=FLOOR(X_CM+ρcosθ_M)，FLOOR符号代表取比括号中的数小的最大整数，ρ=1,2…R_M,θ_M=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，N=CEIL((2π/Δθ+1)·R_M-1)，CEIL代表取比括号中的数大的最小整数，将ModePolar[P]数组复制1份，2个数组首尾相连组成新的一维数组ModePolar D[Q]，其中Q=0,1,2…2N，并计算归一化互相关参数：

$\mathrm{SM}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\left[P\right]$

$S\left(M^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ModePolar}\right[P\left]\right)}^2$

${\mathrm{SM}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ModePolar}\right[P\left]\right)}^2$

$\mathrm{corrDen}=\sqrt{N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2}.$

3.如权利要求2所述的方法，其特征在于，所述ModePolar[P]的赋值过程为：

(A11)初始化参数：ρ=1，θ_M=0，P=0，Y_C=(H_M-1)/2，X_C=(W_M-1)/2；

(A12)计算参数：Y=FLOOR(Y_CM-ρsinθ_M)，X=FLOOR(X_CM+ρcoθ_M)；

(A13)将模板图像的数据进行极坐标转换：ModePolar[P]=Mode[Y][X]；

(A14)ρ=ρ+1，P=P+1；

(A15)判断ρ是否大于R_M，如果大于则执行第(A16)步，如果不大于则返回执行第（A12）步；

(A16)ρ=0，θ_M=θ_M+Δθ；

(A17)判断θ_M是否大于2π，如果大于则结束，如果不大于则返回执行第（A12）步。

4.如权利要求1所述的方法，其特征在于，所述步骤（2）具体为：

设置相应的灰度阈值将灰度目标图像二值化，二值化后的灰度目标图像变成黑白两色，对经过二值化后的灰度目标图像采用像素标记或者游程连通性分析方法进行连通域分析，计算出目标图案的外接盒，其中外接盒是指包含目标图案的最小长方形；

设计算出的外接盒的左上角相对目标图像坐标原点的像素坐标为（X_B,Y_B)，外接盒的宽度为W_B，高度为H_B，则原目标图像中的目标图案搜索区左上角相对于目标图像坐标原点的坐标为X_S0=X_B-Offset，Y_S0=Y_B-Offset，目标图案搜索区的宽度W_S=W_B+2×Offset，高度为H_S=H_B+2×Offset，其中Offset为整数，取值范围为5～10个像素。

5.如权利要求4所述的方法，其特征在于，所述步骤（3）具体包括：

从原目标图像中截取目标图案搜索区内的图像，称为搜索图像，则搜索图像的宽度为W_S，高度为H_S，搜索图像X坐标表示为X_S，Y坐标表示为Y_S，MaxCcorr代表搜索图像与模板图像的最大互相关值，在搜索图像中进行归一化互相关灰度匹配，匹配流程如下：

B1)初始化参数：X_S=0，Y_S=0，MaxCcorr=0；

B2)判断Y_S是否小于H_S，如果不小于则结束，如果小于则执行B3)；

B3)判断X_S是否小于W_S，如果不小于则X_S=0，Y_S=Y_S+1，返回执行B2)步，如果小于则执行B4)步；

B4)对搜索图像中与模板大小相同的图像区域进行极坐标转换，该区域的图像称为匹配区域图像；匹配区域图像的宽度和高度与模板图像相同分别为W_M，高度为H_M，匹配区域中某点的像素灰度值为Image[Y][X]，其中Y_S≤Y<Y_S+H_M，X_S≤X<X_S+W_M，则匹配区域的中心点坐标为Y_CI=Y_s+(H_M-1)/2，X_CI=X_s+(W_M-1)/2，以匹配区域中心为圆心，以W_M/2和H_M/2的最小值为半径R_M，进行极坐标转换，转换后的图像表示为像素灰度值的一维数组ImagePolar[P]=Image[Y][X]，Y=FLOOR(Y_CI-ρsinθ_I)，X=FLOOR(X_CI+ρcosθ_I)，FLOOR代表取比括号中的数小的最大整数，其中ρ=1,2…R_M,θ_I=0,Δθ,2Δθ…2π,Δθ为角度匹配的精度，P=0,1,2…N，N=CEIL((2π/Δθ+1)R_M-1),CEIL代表取比括号中的数大的最小整数；

B5)计算归一化互相关参数：

$\mathrm{SI}={\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\left[P\right]$

$S\left(I^2\right)={\mathrm{\&Sigma;}}_{P=0}^{P=N}{\left(\mathrm{ImagePolar}\right[P\left]\right)}^2$

${\mathrm{SI}}^2={\left({\mathrm{\&Sigma;}}_{P=0}^{P=N}\mathrm{ImagePolar}\right[P\left]\right)}^2$

B6)初始整数i=0；

B7)判断i是否大于N，如果大于则X_S=X_S+1，返回执行B3）,否则执行B8)；

B8)计算模板图像与匹配区域的归一化互相关值Ccorr_i：

$S_i\left(\mathrm{IM}\right){\mathrm{\&Sigma;}}_{P=i}^{P=N+i}\left(\mathrm{ImagePolar}\right[P-i]\&CenterDot;\mathrm{ModePolarD}[P\left]\right)$

${\mathrm{Ccorr}}_i=\frac{N\&CenterDot;S_i\left(\mathrm{IM}\right)-\mathrm{SI}\&CenterDot;\mathrm{SM}}{\sqrt{|N\&CenterDot;S\left(I^2\right)-{\mathrm{SI}}^2||N\&CenterDot;S\left(M^2\right)-{\mathrm{SM}}^2|}}$

B9)判断Ccorr_i是否大于MaxCcorr，如果不大于则执行B10)，如果大于则将Ccorr_i赋值给MaxCcorr，并记录此时匹配区域中心点的坐标(X_T,Y_T)，其中X_T=X_S+(W_M-1)/2，Y_T=Y_S+(H_M-1)/2，记录角度θ_T=Δθ·FLOOR((P+R_M)/R_M)；

B10)i=i+1返回执行B6)步。

6.如权利要求5所述的方法，其特征在于，所述ImagePolar[P]的赋值过程为：

（B41）初始化参数：ρ=1，θ_I=0，P=0，Y_CI=Y_S+(H_M-1)/2，X_CI=X_S+(W_M-1)/2；

（B42）计算参数：Y=FLOOR(Y_CI-ρsinθ_I)，X=FLOOR(X_CI+ρcosθ_I)；

（B43）将匹配区域的数据进行极坐标转换：ImagePolar[P]=Image[Y][X]；

（B44）ρ=ρ+1，P=P+1；

（B45）判断ρ是否大于R_M，如果大于则执行第（B46）步，如果不大于则返回执行第（B42）步；

（B46）ρ=0，θ_I=θ_I+Δθ；

（B47）判断θ_I是否大于2π，如果大于则结束，如果不大于则返回执行第（B42）步。

7.如权利要求5所述的方法，其特征在于，所述步骤（4）具体为：

若在B2)步中，YS不再小于HS，则计算结束，当对所有的匹配区域均完成相关性计后，获得模板图像在目标图像中的位置(X_F,Y_F)及角度θ_F，其中X_F=X_T+X_s0，Y_F=Y_T+Y_s0，θ_F=θ_T，其中X_T，Y_T和θ_T为B1)～B10)计算结束前最后保存的值。

8.一种快速互相关灰度图像匹配装置，其特征在于，用于在灰度目标图像中查找目标图案的位置与方向，所述装置包括：

第一模块，用于对模板图像进行极坐标转换，并将转换后的模板图像数据转换为一维数组，将其定义为模板图像一维数组；

第二模块，用于获取灰度目标图像中目标图案的外接盒，将其定义为目标图案搜索区；

第三模块，用于在目标图案搜索区中选取与模板图像同样大小的匹配区域，对所述匹配区域进行极坐标转换，并将转换后的匹配区域图像数据也转换为一维数组，将其定义为匹配区域一维数组，计算所述第一匹配区域一维数据与所述模板图像一维数组的相关性；

第四模块，当所述第三模块对所有的匹配区域均完成相关性计算，选取相关性最大的匹配区域作为目标图案，获取所述目标图案的位置与方向。

Images