归一化灰度匹配快速检测方法的原理

灰度匹配算法通过计算模板图像与待搜索图像的匹配值或互相关值，即相似度，以此评定模板图像和待匹配图像的匹配程度,常用的相似性度量函数有 SAD算法 ,SSD算法和NCC算法。考虑到微结构尺寸小、匹配精度要求较高的特点，本文选用 NCC算法作为检测的基础，对匹配过程加以改进，使其能够更高效、精确地完成大面积微结构检测的目的。

灰度匹配快速检测方法的检测流程

如图所示，为基于灰度匹配快速检测方法的基本流程，本节选用一张金字塔型微结构表面图像。

微结构表面检测流程图

1.1选择模板

选择一个几何形貌较好，尺寸误差小，表面无缺陷的微结构单元作为检测模板，如图所示，在相同的光照条件下分别对模板和待检测微结构进行图像采集。

金字塔微结构表面

1.2设定检测方向、匹配算法、搜索步长

利用Matlab编辑程序对图像进行匹配，从待测图像上的左上角开始，以从左到右,从上到下的顺序按照步长递进搜索，在待测图像上每次截取与模板图像相同尺寸的子图与模板进行匹配。利用归一化交叉算法NCC)得到模板与每个待测子图初步的灰度匹配值。根据当前的匹配值，设置合适的搜索步长，以提高匹配的效率,同时又保证匹配精度。经过大量试验，最终确定灰度匹配值与搜索步长的对应关系如表1所示。

1.3划分匹配敏感区

为避免因设置了较大步长，在匹配过程中跳过匹配度最大的匹配点，本文采用设置匹配敏感区域的方法，当灰度匹配值大于某给定的阈值时，即将此位置附近的一定范围内设为匹配敏感区域，如图4a􀀀根据匹配值的变化趋势，找到其极大值，即为待检测微结构单元的真实灰度匹配值,如图。

1.4标记和输出

在匹配点位置做标识并将各个被测微结构单元的匹配值绘制成不同颜色的匹配度直方图,从而更直观、更形象地表现被检测微结构单元的位置和灰度匹配程度,如图所示。