石家庄做网站 vtkj,北京 网站建设 京icp,遵义网站建设网帮你,上海 建站CogPMAlignTool
PatMax是一种图案位置搜索技术#xff08;识别定位#xff09;#xff0c;PatMax图案不依赖于像素格栅#xff0c;是基于边缘特征的模板匹配而不是基于像素的模板匹配#xff0c;支持图像中特征的旋转与缩放#xff0c;边缘特征表示图像中不同区域间界限…CogPMAlignTool
PatMax是一种图案位置搜索技术识别定位PatMax图案不依赖于像素格栅是基于边缘特征的模板匹配而不是基于像素的模板匹配支持图像中特征的旋转与缩放边缘特征表示图像中不同区域间界限的轮廓线有大小有方向特征是表示图像中不同区域之间界限的等高线基于特征的表现可以比像素格栅表现更快捷和更准确地进行转化。
亚像素面阵相机的成像面以像素为最小单位实际上相机在拍摄时对图像进行了离散化处理如果两个像素之间有5.2微米的距离宏观上可以看做是连在一起的但是微观上它们之间还有无限更小的东西存在这个更小的东西就是亚像素。亚像素精度是指相邻两像素之间的细分情况输入值通常为二分之一三分之一四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。如果选择四分之一就相当于每个像素在横向和纵向上都被当做四个像素来计算。比如在测量中如位置、直线、圆等都会出现亚像素。如测量某个圆的直径为100.12像素这个后面的0.12就是亚像素。
PatMax进行图像训练时它不仅会考虑训练区域中包含的所有特征还可能会考虑训练区域之外的一些特征。所以如果训练窗口靠近图像边缘则可能检测不到比粗粒度限制更接近图像边缘的特征所以尽量让训练区域在图像中央。 PatMax从物体的图像中提取模式。PatMax模式是几何特征和这些特征之间的空间关系的集合每个特征是两个不同像素值区域之间边界上点的集合。 模式特征
PatMax模式是特征的集合。个体特征被定义为不同像素区域之间的连续边界。这些区域可以有不同的强度、对比度或纹理开放的或者闭环的。 模式特征的极性
PatMax模式特征由特征边界点的有序列表表示。特征边界点有位置和与相邻边界点连接的角度特征边界点的角度是指图像坐标系与通过特征边界点绘制的垂直于特征边界的暗到明方向的直线间的夹角。 定位过程
PatMax使用不同大小的特征作为图像中定位所需的特征。一般情况下PatMax使用大特征快速找到运行时图像中的近似模式匹配使用小特征精确确定模式位置。 1 训练参数
1.1 算法模式
PatQuick速度最快对于三维或者低质量元件最佳承受更多图像差异例子捡放。
PatMax精确度最高在二维元件上表现佳最适合于细微细节例子薄片对齐。
PatQuick与PatMax速度跟精度介于两者之间。
PatMax-高灵敏度适用于对比度很低或者视频噪音或图像变形严重的图像运行速度非常慢。
透视PatMax查找已经历透视失真的二维特征。
PatFlex为高度灵活的图案设计在弯曲不平的表面上表现较佳极其灵活但不够精确例子标签定位。
设置训练参数下的算法模式为PatFlex训练平整状态下的图片。 可以识别有畸变的图像。 1.2 保存模式和加载模式
这两个模式是分别用来保存和加载训练图片的参数。 1.3 训练模式
带转换的形状模型主要用于建模。
带图形的形状模型用于普通训练、掩模。
1.4 忽略极性
训练图像的边缘特征是有极性的即由明到暗或者由暗到明。图案极性在沿边界的每个点上定义为向黑色的方向。默认状态下PatMax只查找与受训图案具有相同极性的图案。 勾选训练参数下的忽略极性训练图片。 可以识别两个相似的特征。 不勾选训练参数下的忽略极性训练图片。只能识别灰度变化方向一样的特征。 1.5 弹性
弹性在查找与原来的受训图案存在一些几何形状变化的元件时很有用途用来指定允许PatMax忍受非线性几何变化的程度影响匹配的准确度弹性以像素为单位进行测量通常为0到8越高允许图像出现的差异越大匹配的准确度越低。设置弹性数值为0。 识别准确度较高不能识别出这种差异较大的图片。 弹性常数改为7后识别的准确度降低可以识别出这种差异较大的特征。 1.6 特征粒度限制
粒度表示PatMax在图像中探测到哪些特征。 使得粒度更粗糙更高提高速度降低精确度探测粗糙并且减弱精细特征可能是好的也可能是坏的。
使得粒度更精细更低降低速度提高线性精确度探测精细并且减弱粗糙特征 可能是好的也可能是坏的。
在图形中训练特征下勾选显示粗糙和显示精细就可以查看训练图像的粗糙和精细特征。 在训练参数下的特征粒度限制中勾选自动选择系统会默认自动计算出图像特征中的粗糙和精细的比例值。 如果不勾选自动选择可以手动设置。当修改训练参数时需要重新训练图像注意手动设置时粗糙颗粒度数默认大于精细颗粒度数颗粒度数最大可以改为25.5把粗糙颗粒度改为7精细颗粒度改为7重新训练图像可以发现特征点数会变少所以精细颗粒度数越大特征点数越少。PMA匹配的最高精度可以达到四十分之一个像素。 图中黄色线为粗糙特征绿色线为精细特征。
当对匹配精度要求很高时可以把精细调成最小这样在训练图形中精细特征就会变多适当降低粗糙参数粗糙特征就会减弱。
当图像中的特征比较明显或者对匹配精度要求不高提高算法速度时可以适当调大精细参数这样在训练图形中精细特征就会减少调大粗糙参数粗糙特征就会增多训练时就可以提高算法速度。
1.7 自动边缘阈值
边缘阈值定义了形成精细特征的条件当两端灰度值的差达到边缘阈值时就会形成这些特征勾选自动边缘阈值默认为10。 不勾选自动边缘阈值就可以手动设置这个参数把边缘阈值设置50将精细特征形成的条件提高了即当两端灰度差值大于50才会形成精细特征所以精细特征减少了。 2 训练区域与原点
训练时训练区域和坐标原点如图所示。 点击训练区域与原点中的适应图像和中心原点系统会自动将图像框起来坐标原点放在图像中央。 也可以手动设置X、Y、旋转和倾斜这些数值来设置框的大小、位置和坐标原点的位置。要维持最高的精确度原点必须放置图案区域的中心。 3 运行参数
3.1 查找概数
查找概数默认为1即图像中允许查找目标的最大个数为1也就是用户希望查找的最大个数。 图中查找概数为1却能查找到4个圆。从结果中可以看到这四个圆的分数都是一样的即相似程度都是1系统不能找到最大结果所以把四个结果都列出来供用户选择 3.2 粗糙度接受阈值和接受阈值参数
接受阀值是PatMax用来确定匹配是否代表搜索图像之中模型的一个有效实例的分值介于0和1.0之间。提高接近值会减少搜索所需要的时间。 接受阈值是和结果中的分数相关默认是0.5即当分数大于0.5时特征就会被识别出来。查找这个图形的结果中分数为0.58大于0.5所以能被识别。 设置接受阈值为0.7这个特征就不会被识别了因为它的相似程度为0.58小于0.7。接受阈值越高筛掉的不好的匹配结果就越多匹配精度越高。 同理粗糙度度接受阈值法和查找结果中的粗糙分数相对应。 3.3 计分时考虑杂斑
计分时不考虑杂斑这两个图的得分是一样的考虑杂斑的话有横线的这个三角形得分就会变低。 不勾选计分时考虑杂斑训练后识别出来的特征得分为1。 勾选计分时考虑杂斑训练后识别出来的特征得分降低。结果得分中就考虑了杂斑的干扰。 3.4 超时
超时如果勾选上的话也就是整个工具的运行时间要在这个时间范围内运行结束否则这个程序会直接结束。
3.5 角度
选择训练图像 如图所示如果角度参数为默认值即0特征的识别不支持旋转。 设置了角度参数后即特征在正负180度内旋转时特征都可以被识别。 结果对比 设置角度参数前后对比识别同一张图片设置了角度变化识别的时间更长这是因为查找的范围变大 。
3.6 缩放
训练识别图中的圆缩放参数默认为1。 只能识别和他一样大小的圆。 修改缩放参数0.5到2后也可以识别缩小的圆。 X缩放和Y缩放这两个参数设置后可以识别在X或Y方向上有缩放的特征。
3.7 使用模式粒度限制
运行参数中的模式粒度和训练参数中的特征粒度含义相同不过它的针对对象是输入图像而不是训练模板。图中粗糙为5精细为1与粗糙为8精细为8对比。可以看出越大匹配特征越多。 3.8 对比度阈值
对比度阈值就是背景和目标图像的灰度值的差值。
3.9 XY重叠
XY重叠默认为0.8就是进行匹配时对当前输入图像可能有多个匹配结果当同一目标的匹配结果有多个时多个结果之间会有相互重叠的特征那重叠度超过80%会选择多个结果中得分高的结果输出。
3.10 自动边缘阈值
运行参数中的自动边缘阈值和训练参数中的自动边缘阈值是相同。
4 结果 分数结果特征与训练图案特征的匹配程度是多少就是目标图像与训练模板的相似度X、Y和角度指所谓的定位当前目标图像的位置参考坐标是原始图像的原始坐标拟合误差拟合误差越大匹配出来的准确程度也会受到影响杂斑是除了训练模板中的特征目标图像中还有其他训练图像没有的特征粗糙分数对应运行参数中的粗糙度接受阈值法。
5 掩模和建模
5.1 掩模
使用条件比如只想要这个图中的外围边的特征不想要中间这些圆孔的特征这时候就需要掩膜。 打开上面菜单中的掩膜器使用工具对不想要的特征进行掩膜也就是覆盖上红色。 应用之后训练图像就会发现被红色遮挡的部分的特征就不会被提取出来了。 查看运行结果勾选图形中诊断下的显示匹配特征可以看出输入图像中中间区域没有匹配特征。匹配特征中绿色线表示匹配度良好黄色线表示匹配度一般红色线表示匹配度较差。绿色线越多匹配程度越好结果得分越高。 5.2 建模
需要将训练参数中的训练模式改为带图像的形状模型才可以使用建模器。 打开建模器提取特征轮廓建模完成后要想训练模板还需要修改训练区域与原点中的训练区域下的区域模式修改为像素配对限定框勾选训练参数中的忽略极性这样才可以进行训练。 训练完成后查看运行结果只在建模区域中进行匹配。 在建模器中可以设置每条轮廓或线段的权重双击线段设置权重为10即这一段线段所占比重是其他区域的10倍所以建模时可以把关键且数量较少的特征的权重变大。训练后如果输入图形的这一条线段没有匹配上那么对其结果得分会有很大影响即得分会很低。 6补充
报错信息
训练模式下报错字符串信息 字符串消息 含义 10000包含太少的特征 没有检测到足够的特征来训练一个可靠的模式检查训练的特征显示。 10001特征粒度难以选择 检查训练的特性显示。选择自动配置特性粒度时才会返回此消息。 10100模式可能没有预期的准确因为训练模式显得模糊 PatMax训练了一个模式但由于模式是模糊的可能会降低对齐结果的准确性。只有使用PatMax训练模式时才会返回此结果 10101模式可能没有预期的准确无法可靠地测量自由度 经过训练的模式在指示的自由度方面可能是模糊的 10102模式退化结果可能会不稳定因为在粗粒度限制下所有的特征边界点都具有相同的方向 在粗粒度限制下所有的特征边界点具有相同的方向检查训练的特征显示。 10200由于精细特征主导模式运行缓慢 因为模式中大量的小特征对齐可能需要更多时间。尝试手动指定更大的粗粒度值 运行模式下报错字符串信息 字符串消息 含义 20300N个结果由于对比度阈值而丢失 因为对比度阈值低于指定的对比度阈值故PatMax丢弃了一个或多个结果可以降低对比度阈值来查看这些结果。 20301N个结果由于接近较强的结果而被丢弃。 由于有更高的得分结果所以PatMax丢弃了得分低的结果可以增加查找概数或者接受阈值来显示这些结果。此消息中的分数值是近似的因为在计算最终得分之前结果被排除在处理之外了。 20302N个结果由于杂斑影响而被丢弃 由于有太多杂斑丢弃了多个结果可以设置忽略杂斑来查看所有丢弃的结果。 2.减小匹配时间的方法
减小匹配时间的方法缩小运行参数中的角度缩放的范围提高接受阈值匹配算法选择PatQuick特征粒度的粗糙和精细调高不勾选显示匹配特征。
在图形里面可以选择是否勾选显示匹配特征勾选的话会在输出图像中显示找到的粗糙与精细特征绘制的图形。 勾选后会极大增加运行时间在具体项目实施的时候建议取消勾选。 勾选 未勾选
