模式匹配方法的LabVIEW 設計與實現

張巧麗，李光明，王孝敬

（1.陜西科技大學 電氣與信息工程學院，陜西 西安710021；2.西安金源電氣股份有限公司，陜西 西安710021）

0 引 言

目前，機器視覺在各個領域廣泛應用，只要是與自動化生產、制造、檢測、檢查、測試、測量等相關的［1，2］，都可以考慮使用機器視覺與圖像處理的方法進行處理分析，從而提高效率與品質，尤其是在工業生產上，其可以檢測及跟蹤有缺陷的產品，具有實用性、靈活性和可視化的特點［3－5］。本文設計實現了一種基于LabVIEW 的模式匹配方法，工業產品在沒有明顯特征，但有比較明顯的形狀情況下，可以使用該模式匹配方法來實現在線實時的檢測。該軟件系統具有界面友好、性能可靠、易于擴展、實現簡單等特點。

1 模式匹配方法

模式也叫模型 （model）、模板 （template），模式匹配可以快速的查找、定位一個灰度圖像區域在整個圖像或ROI中，這個灰度圖像區域與一個已知的參考模式是匹配的。模式匹配算法在機器視覺領域具有重要的應用。

基本思想：模式匹配使用的是一種對比原理，即用被測目標與模板進行對比，根據它們的相似程度來判斷是否有目標的存在［6］。在使用模式匹配時，首先需要創建一個包含搜索目標的模板，然后機器視覺應用程序在采集到的每個圖像中搜索模板，并計算每個匹配的分數，這個分值表示了找到的匹配對象與模板的相似程度。分值從0 到1000分，值越高表示越相似，1000分則是完美的匹配，通常只有在提取模板的圖像中匹配分數才能達到1000分，分值是匹配中的一個重要參數。

模式匹配在實際應用中也是使用非常廣泛的一種應用。當一個產品沒有太明顯的特征時，如直邊、圓、粒子、顏色等，而有比較明顯的形狀時，就可以考慮使用模式匹配。

本文使用的方法是一種新的模式匹配算法，金字塔匹配方法，該方法通過減小圖像和模板的大小提高了模式匹配的計算時間。在金字塔匹配中，圖像和模板都是重采樣的，以得到較小的空間分辨率，該方法通過每隔一個像素采樣，因此圖像和模板都可以減少到原來的1／4 大小，匹配首先在減小的圖像上執行，因為圖像比較小，所以匹配速度是非常快的。當匹配完成后，只有較高匹配分值的區域需要被考慮為原始圖像中的匹配區域。

2 軟件系統設計

2.1 開發環境

本文主要采用視覺開發模塊VDM 與LabVIEW 相結合的技術來開發機器視覺應用程序［7］，不但可以自由地編寫程序，而且限制條件比較少。

NI的LabVIEW 自發布以來以極高的更新率進化發展，不斷推出強大的軟、硬件工具，不斷更新、完善其功能和特性，被市場用戶積極認可和接受，使其應用領域迅速擴張。VDM 是NI視覺的核心工具包，其中包含了所有NI支持的功能，也是最低層的功能函數。使用VDM，再結合LabVIEW、VB、C、.NET 等編程語言，可以完成所有NI可以勝任的機器視覺圖像處理任務。

（1）VAS：視 覺 采 集 軟 件 （vision acquisition software），是NI 推出的機器驅動程序，其中的IMAQdx、IMAQ 等驅動程序，可以驅動大部分國內外品牌工業相機、也可以驅動NI自己的圖像采集卡、幀接收器等。VAS并沒有包含圖像處理部分，但通過VAS軟件可以從工業相機中采集圖像，并由圖像處理軟件對采集到的圖像進行處理。

（2）VA：視覺助手 （vision assistant），是NI VDM 中的一個幫助工具，可以快速的驗證機器視覺項目的可行性，并且編輯成腳本，生成LabVIEW、VB、.NET 代碼等，以方便LabVIEW 等編程平臺的調用，使用視覺助手可以更方便、更快捷的完成圖像處理的功能。

2.2 軟件結構設計

本文軟件總體設計結構包括：圖像采集模塊，模板訓練模塊，匹配檢測模塊及顯示部分。

（1）圖像采集模塊：在實際應用中，根據產品規格不同動態調整圖像放大比例；根據現場環境動態設置相機或圖像采集卡參數；根據產品到位信號觸發采集圖像。

（2）模板訓練模塊：提供友好方便的模板訓練交互界面；根據產品不同的檢測區域和檢測參數；根據形狀特征，提供設置檢測多邊形區域，使產品各個區域得到有效檢測。

（3）匹配檢測模塊：為提高檢測精度，經過預處理調整產品整體亮度，得到實際處理區域，對實際區域處理，消除干擾，然后通過對目標準確定位，利用算法實現匹配檢測。

（4）顯示模塊：利用視覺助手完成模式匹配算法，生成LabVIEW 代碼，然后設計優化程序并設計前面板，實現圖形化交互界面，使得用戶方便操作，實現簡單，而且易于理解。前面板即VI的交互式用戶界面。本文設計的前面板如圖1所示。

圖1 模式匹配前面板

用戶界面說明：

（1）Max of Matches：用于指定需要查找的模板目標的最大數。默認值為1，根據需要可重新設置匹配數量。

（2）Minimum Score：最小分數。指定匹配結果的最小分值，即相似程度，分值越小通常越容易找到目標，但是容易找錯；分值越大，則表示要求相似的程度越高，但是會增加找到目標的難度。默認值通常為800 分，最大分值為1000分。以實際應用經驗來看，模式匹配分數需要達到600分以上，才能保證系統的穩定性。分值太低，容易引起錯誤匹配。各個匹配的分值可以在Limits規格中看到，參考這些分值，可以設置合理的最小分值。使用最小分數可以用來控制匹配的相似程度。

（3）Template：模板顯示窗。用于顯示在圖像中要查找匹配的模板對象。

（4）Image：顯示窗。用來顯示匹配結果。

（5）Number of Matches：匹配數。記錄查找匹配到的對象數目。

（6）Results：結果。記錄匹配結果，包括匹配實例目標的坐標位置，匹配分數。

2.3 軟件實現及結果分析

采用美國NI的LabVIEW 軟件平臺進行實驗開發，利用視覺模塊生成的LabVIEW 支持的VI與圖形化編程語言G 混合編程，設計并實現產品檢測的模式匹配方法。

具體利用其內置的強大函數庫及視覺開發工具Vision Assistant，根據模式匹配方法實現的基本流程結構 （如圖2所示），采用各個功能模塊的函數，主要是視覺與運動模塊中的視覺工具 （vision utilities）與機器視覺 （machine vision）函數庫，調用其中的子VI函數編寫應用程序。

圖2 模式匹配方法實現基本流程

模式匹配方法實現過程的基本步驟如下：

（1）采集圖像：本文采用仿真采集，通過從文件中讀取圖像來模擬采集圖像。在實際應用中，利用采集圖像函數從選擇的相機或圖像采集卡中采集圖像，然后設置采集參數和采集模式。可以進行單幀采集和連續采集圖像。

（2）圖像處理：采用NI視覺助手Vision Assistant圖像處理部分的圖像處理函數 （如圖3所示）進行相關處理。

圖3 圖像處理函數

（3）制作模板：通過模式匹配函數中的模板Template選項卡完成模板的制作，也可以通過NI的模板編輯器Template Editor創建一個新模板。

（4）學習模板：使用模式匹配庫函數學習模板，通過調用IMAQ Learn Pattern 4函數，如圖4所示，并對參數進行設置來完成模板的學習。

圖4 模板學習子VI

參數設置：由于使用IMAQ Learn Pattern 4函數得到的模板圖像大小一般達到5 M 左右，為減小圖像的大小，提高計算速度，將算法Algorithm 中的All去掉，選擇灰度值金字塔算法Grayscale Value Pyramid，該算法得到的模板圖像大小只有1.5 M 左右。

角度范圍Angle Range：定義模板學習角度的變化范圍，只針對平移不變Shift－invariant情況下的匹配。

高級選項Advanced Options：用來設置在學習階段和算法相關的選項。

（5）匹配及結果顯示：要使匹配結果顯示出來，需要添加匹配邊框，其子函數程序框圖如圖5所示。

圖5 匹配結果邊框添加子VI

實驗要求及測試：安裝LabVIEW 完整開發系統和視覺開發軟件。實驗選用兩個檢測圖像分別進行兩組實驗測試，對模式匹配方法進行性能驗證，并分析對比實驗結果。

測試：①運行VI測試；②在圖像中畫一個ROI用于定義匹配模板，模板學習完成后將模板顯示在模板顯示窗中，同時在圖像顯示窗中顯示匹配檢測結果，即在圖1前面板Image顯示窗口中顯示產品檢測情況，其匹配的結果如圖6所示。

圖6 匹配結果

實驗1：如圖6 （a）、（b）所示，檢測圖像沒有太明顯的直邊、圓、顏色等特征，但是有比較明顯的形狀。

實驗2：如圖6 （c）、（d）所示，測試對象相同，目的是為了對比檢測模式匹配方法在模糊圖像中的性能。

實驗結果分析：

針對實驗1、實驗2給出測試結果，如圖6所示，在測試時最小分數設為700分，對實驗結果進行分析：

在實驗1中，檢測對象個數為4，即圖6 （a）是Max of Matches為4的匹配結果，可以看出匹配良好；圖6 （b）是Max of Matches為5的匹配結果，查找匹配到的對象數為5，由表1中坐標為 （90.5，244）的目標匹配分數1000分可以得出該目標為模板圖像，坐標位置為 （113.76，193.96）的目標分數只有823.9 分，相對于其它坐標位置的目標精確度較低，在圖像中也可以看出目標2與模板圖像的相似度確實比較低。

表1 實驗1匹配結果

實驗2，在圖6 （c）中，圖像比較清晰，由實驗結果可以看出，該方法能夠實現良好的匹配；但是圖像 （d）相對于圖像 （c）而言比較模糊，而且對比度也比較低，由匹配結果能夠看出仍然實現了很好的匹配檢測。

由此得出：利用該軟件實現的產品檢測方法運行可靠，易于使用，同時提高了產品檢測速度和精確度，而且對模糊和對比度低的圖像也能夠實現很好的匹配檢測，提高了匹配性能。

另外，根據實驗結果表明，該軟件界面友好，易于使用，運行可靠，具有可視化特點，便于實時的、直觀地觀測產品檢測情況，而且檢測匹配效果良好。NI視覺的模式匹配能夠準確的定位目標，當目標對象有±5%的大小變化、0到360度的方向以及有瑕疵的表面仍可以實現很好的匹配檢測。

3 結束語

本文結合機器視覺技術與LabVIEW 開發系統的功能特點，運用其內置的強大函數庫及視覺開發工具設計實現了模式匹配方法。軟件設計中采用圖形化的設計思想，調用視覺與運動模塊下的視覺工具 （vision utilities）與機器視覺 （machine vision）函數庫中的子VI編寫應用程序，增加了軟件的穩定性和可移植性。另外，圖形化程序設計及編程實現簡單、直觀、開發效率高。經過實驗測試，本文基于LabVIEW 設計的模式匹配方法能夠在圖像模糊和對比度低的情況下實現很好的匹配檢測，提高了匹配性能。

同時，該軟件運行可靠，易于擴展，使用靈活方便，而且匹配效果良好。模式匹配可以為應用程序提供被測圖像中模板的數量以及位置。例如可以搜索一幅PCB圖像中的一個或多個基準點，機器視覺應用程序使用基準點對齊芯片安裝設備中的芯片完成對位。

［1］LI Yanfeng，WANG Chunyao，WANG Yuedong，et al.Detection of fruit surface defect research based on NI Vision Assistant and IMAQ Vision ［J］.Journal of Agricultural Mechanization Research，2013 （7）：62－65 （in Chinese）. ［李彥峰，王春耀，王躍東，等.水果表面缺陷檢測研究—基于NI Vision Assistant和IMAQ Vision ［J］.農 機 化 研 究，2013 （7）：62－65.］

［2］DUAN Zhengyu， WEN Shengping. Electronic product appearance surface defect detection based onmachine vision method research ［J］.Computer Measurement and Control，2014 （4）：1009－1011 （in Chinese）. ［段錚昱，文生平.基于機器視覺的電子產品外觀表面缺陷檢測方法研究 ［J］.計算機測量與控制，2014 （4）：1009－1011.］

［3］ZHANG Hongxia，LIU Yicai.The application of machine vision technology research ［J］.Journal of Electronic World，2013 （17）：106，108 （in Chinese）.［張紅霞，劉義才.機器視 覺 技 術 的 應 用 研 究 ［J］. 電 子 世 界，2013 （17）：106，108.］

［4］LI Yong，WU Xianda，XING Wu，et al.Design of surface defects automatic sorting system based on machine vision ［J］.Automation and Instrumentation，2010 （5）：40－41 （in Chinese）.［李勇，伍先達，邢武，等.基于機器視覺的零件表面瑕疵自動分揀系統設計 ［J］.自動化與儀器儀表，2010 （5）：40－41.］

［5］WANG Heng，LIU Ran，XIE Xingzhe，et al.Angle new image matching method and its application study ［J］.Computer Engineering and Application，2011，47 （4）：208－211 （in Chinese）.［王姮，劉冉，解興哲，等.新型圖像角度匹配方法及其應用研究 ［J］.計算機工程與應用，2011，47 （4）：208－211.］

［6］CHEN Wei，CAO Zhiguang，LI Jianping.Improved template matching method in the application of license plate recognition［J］.Computer Engineering and Design.2013，34 （5）：1808－1811 （in Chinese）. ［陳瑋，曹志廣，李劍平.改進的模板匹配方法在車牌識別中的應用 ［J］.計算機工程與設計，2013，34 （5）：1808－1811.］

［7］ZHAO Bing，ZHOU Xuchu，ZHANG Qing.The research of machine vision detection technology based on NI platform ［J］.Journal of Duidance and Fuse，2013，34 （3）：57－60 （in Chinese）.［趙冰，周戌初，張慶.基于NI平臺的機器視覺檢測技術研究 ［J］.制導與引信，2013，34 （3）：57－60.］

［8］CHEN Xiang，CHEN Peng.Improvement template matching based target tracking algorithm ［J］.Computer Application，2011，31 （S2）：127－128 （in Chinese）. ［陳翔，陳鵬.基于改進模板匹配的目標跟蹤算法 ［J］.計算機應用，2011，31（S2）：127－128.］

［9］WANG Jianxia，ZHOU Wanzhen.An improved template matching method of license plate character recognition ［J］.Journal of Hebei University of Science and Technology，2010，31 （3）：236－239 （in Chinese）.［王建霞，周萬珍.一種改進模板匹配的車牌字符識別方法 ［J］.河北科技大學學報，2010，31 （3）：236－239.］

［10］WU Jin.Fast template matching algorithm research in the machine vision ［J］.Journal of New Industrialization，2014（1）：65－69 （in Chinese）.［吳進.機器視覺中快速模版匹配算法研究 ［J］.新型工業化，2014 （1）：65－69.］