本發(fā)明涉及用于使用粗到精的搜索(coarse-to-fine search)方法執(zhí)行基于形狀的模式匹配的圖像處理方法、圖像處理設(shè)備以及記錄介質(zhì)。

背景技術(shù)：

通常，在圖像處理的領(lǐng)域中，已經(jīng)廣泛使用模式匹配作為用于檢測(cè)對(duì)象(工件)和測(cè)量對(duì)象的位置的方法。特別地，已經(jīng)廣泛使用基于形狀的模式匹配，因?yàn)閮H使用圖像中的包括形狀的特征的部分計(jì)算相似度，并且因此，以高速執(zhí)行形狀模式匹配。

在形狀模式匹配中，使用通過捕獲理想狀態(tài)中的工件而獲得的參考圖像和通過捕獲目標(biāo)工件而獲得的搜索目標(biāo)圖像的形狀的特征計(jì)算相似度，并且因此，要求從圖像中提取形狀的特征。作為用于提取邊緣作為形狀特征的方法，廣泛使用了使用邊緣提取濾波器(諸如Sobel濾波器或Canny濾波器)的方法。

具體地，形狀模式匹配是用于通過對(duì)參考圖像和搜索目標(biāo)圖像執(zhí)行上述的邊緣提取方法而生成使用參考圖像的模型邊緣和使用搜索目標(biāo)圖像的搜索目標(biāo)邊緣并且計(jì)算模型邊緣和搜索目標(biāo)邊緣之間的相似度的方法。

邊緣是其中像素之間的亮度梯度較大的部分，并且實(shí)際上是一組邊緣點(diǎn)。具體地，根據(jù)任意規(guī)則布置的一組邊緣點(diǎn)被稱為“邊緣”。通常，廣泛使用通過將相鄰邊緣點(diǎn)彼此連接而形成的邊緣。由于通過邊緣點(diǎn)來形成邊緣，因此可以執(zhí)行使用邊緣的特征的圖像處理。例如，可以計(jì)算特征值，諸如邊緣尺寸。

作為用于實(shí)現(xiàn)高速模式匹配的方法，使用粗到精的搜索方法。在粗到精的搜索方法中，使用小信息量的數(shù)據(jù)檢測(cè)粗略的位置，并且其后，使用大信息量的數(shù)據(jù)檢測(cè)詳細(xì)的位置。在實(shí)踐中，首先，重復(fù)地執(zhí)行通過減小高分辨率的圖像的尺寸來生成低分辨率的圖像的處理，使得生成不同的低分辨率的不同圖像。隨后，對(duì)具有低分辨率的圖像執(zhí)行模式匹配，使得檢測(cè)工件的粗略的位置。其后，僅對(duì)在分辨率高于先前圖像的圖像中的先前的檢測(cè)位置附近的范圍執(zhí)行搜索，使得可以逐漸地以更高精度獲得檢測(cè)位置。注意，不僅可以對(duì)圖像執(zhí)行尺寸縮小，而且可以對(duì)包括待提取邊緣的區(qū)域(在下文中稱為“邊緣提取區(qū)域”)、包括待搜索工件的區(qū)域(在下文中稱為“搜索區(qū)域”)以及邊緣執(zhí)行尺寸縮小。

通常，在采用粗到精的搜索方法的情況下，也考慮低分辨率的邊緣，并且因此，難以選擇要用作模型的邊緣并且控制參數(shù)。如果在不考慮特征的程度的情況下執(zhí)行尺寸縮小，則存在如下問題，即具有小程度的特征的邊緣模糊并且由于環(huán)境影響變得不穩(wěn)定，并且結(jié)果，工件的檢測(cè)失敗。此外，如果不考慮邊緣的尺寸執(zhí)行導(dǎo)致邊緣模糊的尺寸縮小，則可能不能以高速充分地執(zhí)行粗到精的搜索方法。

為了解決這個(gè)問題，日本專利公開No.2010-97438提出了用于根據(jù)邊緣點(diǎn)的銳度(sharpness)程度確定圖像數(shù)據(jù)的尺寸縮小系數(shù)的方法。在這個(gè)方法中，為圖像設(shè)定基于邊緣點(diǎn)的銳度程度的尺寸縮小系數(shù)，使得穩(wěn)定地執(zhí)行檢測(cè)。

然而，在日本專利公開No.2010-97438中，為圖像設(shè)定一定的尺寸縮小系數(shù)，并且因此，如果邊緣點(diǎn)之一具有低銳度程度，則設(shè)定適合于邊緣點(diǎn)的尺寸縮小系數(shù)。相應(yīng)地，可能不會(huì)設(shè)定大尺寸縮小系數(shù)。如果可能不會(huì)設(shè)定大尺寸縮小系數(shù)，則可能不能以高速充分地執(zhí)行采用粗到精的搜索方法的處理。另一方面，即使在由于銳度程度高而可以設(shè)定大尺寸縮小系數(shù)的情況下，如果邊緣小，則很可能圖像包括不穩(wěn)定的邊緣，諸如上述的邊緣的模糊，并且相應(yīng)地，檢測(cè)是不穩(wěn)定的。

技術(shù)實(shí)現(xiàn)要素：

相應(yīng)地，本發(fā)明實(shí)現(xiàn)以高速執(zhí)行的、具有高穩(wěn)健性(robustness)、且具有高精度的模式匹配。

根據(jù)本發(fā)明一個(gè)方面，一種圖像處理方法使得處理器使用參考圖像對(duì)搜索目標(biāo)圖像執(zhí)行模式匹配，所述圖像處理方法包括：使得處理器使用參考圖像計(jì)算模型金字塔，所述模型金字塔具有有著不同的尺寸縮小系數(shù)的不同的層并且在模型金字塔的各個(gè)層中包括模型邊緣；使得處理器使用搜索目標(biāo)圖像計(jì)算搜索目標(biāo)金字塔，所述搜索目標(biāo)金字塔具有有著與模型金字塔的層相同的尺寸縮小系數(shù)的層并且在搜索目標(biāo)金字塔的各個(gè)層中包括搜索目標(biāo)邊緣；以及使得處理器使用模型金字塔對(duì)搜索目標(biāo)金字塔執(zhí)行模式匹配，其中模型金字塔的計(jì)算包括：使得處理器從參考圖像中提取多個(gè)邊緣，使得處理器計(jì)算提取的各個(gè)邊緣的尺寸，使得處理器根據(jù)所計(jì)算的提取的各個(gè)邊緣的尺寸來獲得各個(gè)邊緣的最大尺寸縮小系數(shù)，以及使得處理器在要生成作為模型金字塔的多個(gè)層中的目標(biāo)層的目標(biāo)層時(shí)設(shè)定如下的邊緣作為目標(biāo)層的模型邊緣，即所述邊緣具有等于或大于目標(biāo)層的尺寸縮小系數(shù)的尺寸縮小系數(shù)以及已經(jīng)經(jīng)受利用目標(biāo)層的尺寸縮小系數(shù)的尺寸縮小。

從以下參考附圖的示例性實(shí)施例的描述中本發(fā)明更多的特征將變得清晰。

根據(jù)本發(fā)明，基于根據(jù)邊緣尺寸計(jì)算的最大尺寸縮小系數(shù)生成模型金字塔(pyramid)，并且相應(yīng)地，可以防止在模型金字塔的每一層中生成不穩(wěn)定的模型邊緣。相應(yīng)地，由于使用不包括不穩(wěn)定的邊緣的模型金字塔執(zhí)行模式匹配，因此可以以高速、高穩(wěn)健性以及高精度實(shí)現(xiàn)模式匹配。

附圖說明

圖1是示出根據(jù)第一實(shí)施例的包括圖像處理設(shè)備的圖像處理系統(tǒng)的圖。

圖2是示出根據(jù)第一實(shí)施例的圖像處理設(shè)備的框圖。

圖3是示出根據(jù)第一實(shí)施例的圖像處理方法的流程圖。

圖4是示出根據(jù)第一實(shí)施例的圖像處理方法的流程圖。

圖5是示出根據(jù)第一實(shí)施例的提取邊緣點(diǎn)的操作的圖。

圖6是示意性地示出根據(jù)第一實(shí)施例的其中設(shè)定了所獲得的最大尺寸縮小系數(shù)的邊緣的圖。

圖7A是示出邊緣消失的情況的圖，并且圖7B是示出邊緣模糊的情況的圖。

圖8是示出在邊緣縮小時(shí)邊緣點(diǎn)的合成的圖。

圖9是示意性地示出模型金字塔的圖。

圖10是示出粗到精的搜索方法的概念圖。

圖11是示意性地示出模式匹配的圖。

圖12是示出根據(jù)第二實(shí)施例的圖像處理方法的流程圖。

具體實(shí)施方式

在下文中將參考附圖詳細(xì)描述本發(fā)明的實(shí)施例。在一個(gè)示例中，使用參考圖像獲得模型金字塔，該模型金字塔具有有著不同尺寸縮小系數(shù)的不同的層并且在各個(gè)層中包括模型邊緣。具體地，從參考圖像中提取多個(gè)邊緣。獲得各個(gè)邊緣的尺寸。隨后，對(duì)于各個(gè)邊緣獲得與邊緣的尺寸對(duì)應(yīng)的最大尺寸縮小系數(shù)。在要生成作為模型金字塔的多個(gè)層的目標(biāo)層的目標(biāo)層時(shí)，具有等于或大于目標(biāo)層的尺寸縮小系數(shù)的尺寸縮小系數(shù)以及已經(jīng)經(jīng)受利用目標(biāo)層的尺寸縮小系數(shù)的尺寸縮小的邊緣作為目標(biāo)層的模型邊緣。

第一實(shí)施例

圖1是示出根據(jù)本發(fā)明第一實(shí)施例的包括圖像處理設(shè)備的圖像處理系統(tǒng)的圖。圖像處理系統(tǒng)100包括光源102、用作成像設(shè)備的照相機(jī)105以及圖像處理設(shè)備200。光源102和照相機(jī)105連接到圖像處理設(shè)備200。在工件保持臺(tái)107上保持作為檢測(cè)目標(biāo)對(duì)象(對(duì)象)的工件W。

光源102是向工件W發(fā)射(照射)光的照明設(shè)備?？梢圆捎萌魏喂庠?諸如LED或鹵素?zé)?作為光源102，只要光源102向工件W發(fā)射圖像處理所需的光量的光即可。

照相機(jī)105是數(shù)字式靜態(tài)照相機(jī)，其通過接收來自工件W的光生成關(guān)于所捕獲的圖像的數(shù)據(jù)。照相機(jī)105包括成像透鏡105A和成像裝置(固態(tài)成像裝置)105B。

成像裝置105B是區(qū)域傳感器，諸如互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)圖像傳感器或電荷耦合器件(CCD)圖像傳感器。成像透鏡105A是控制系數(shù)并且執(zhí)行控制使得由成像裝置105B捕獲整個(gè)工件W的物鏡單元。

圖像處理設(shè)備200對(duì)通過由照相機(jī)105捕獲工件W而獲得的所捕獲圖像執(zhí)行圖像處理，從而獲得工件W的位置(包括取向)。

圖2是示出根據(jù)本發(fā)明第一實(shí)施例的圖像處理設(shè)備200的框圖。圖像處理設(shè)備200包括用作處理器(計(jì)算單元)的中央處理單元(CPU)201。圖像處理設(shè)備200還包括只讀存儲(chǔ)器(ROM)202、隨機(jī)訪問存儲(chǔ)器(RAM)203以及硬盤驅(qū)動(dòng)(HDD)204作為存儲(chǔ)單元。圖像處理設(shè)備200還包括記錄盤驅(qū)動(dòng)205和各個(gè)接口211到213。

ROM 202、RAM 203、HDD 204、記錄盤驅(qū)動(dòng)205以及各個(gè)接口211到213通過總線210連接到CPU 201。ROM 202存儲(chǔ)基本程序，諸如基本輸入/輸出系統(tǒng)(BIOS)。RAM 203是臨時(shí)存儲(chǔ)各種數(shù)據(jù)(諸如算術(shù)運(yùn)算處理的結(jié)果)的存儲(chǔ)裝置。

HDD 204是如下的存儲(chǔ)裝置，其存儲(chǔ)由CPU 201執(zhí)行的算術(shù)運(yùn)算處理的結(jié)果、外部獲得的各種數(shù)據(jù)等等，并且還記錄使得CPU 201執(zhí)行下面描述的各種算術(shù)運(yùn)算處理的程序240。CPU 201根據(jù)HDD 204中記錄(存儲(chǔ))的程序240執(zhí)行圖像處理方法的各個(gè)步驟。具體地，CPU 201使用參考圖像對(duì)搜索目標(biāo)圖像執(zhí)行模式匹配。通過對(duì)工件W成像獲得參考圖像和搜索目標(biāo)圖像。參考圖像用作所謂的模板(模板圖像)，并且通過對(duì)在生產(chǎn)線等中傳送的待檢查工件W成像獲得搜索目標(biāo)圖像。

記錄盤驅(qū)動(dòng)205可以讀取記錄在記錄盤241中的各個(gè)數(shù)據(jù)、程序等等。

與接口211連接的光源102在CPU 201的控制之下導(dǎo)通或斷開。

照相機(jī)105連接到接口212。CPU 201將觸發(fā)信號(hào)輸出到照相機(jī)105并且使得照相機(jī)105在照相機(jī)105收到觸發(fā)信號(hào)時(shí)捕獲圖像。照相機(jī)105將作為成像結(jié)果的關(guān)于所捕獲圖像的數(shù)據(jù)輸出到CPU 201。CPU 201從照相機(jī)105獲得關(guān)于所捕獲圖像的數(shù)據(jù)并且對(duì)所捕獲圖像執(zhí)行圖像處理使得檢測(cè)(測(cè)量)工件W的位置。

外部存儲(chǔ)裝置120(諸如可重寫的非易失性存儲(chǔ)器或外部HDD)可連接到接口213。

雖然在第一實(shí)施例中描述了其中HDD 204是計(jì)算機(jī)可讀記錄介質(zhì)并且程序240存儲(chǔ)在HDD 204中的情況，但是本發(fā)明不限于此。HDD 204可以被記錄在任何計(jì)算機(jī)可讀記錄介質(zhì)中。作為提供程序240的記錄介質(zhì)，可以使用例如圖2中示出的外部存儲(chǔ)裝置120、記錄盤241、或ROM 202。記錄介質(zhì)的示例包括軟盤、硬盤、光盤、磁光盤、CD-ROM、CD-R、磁帶、非易失性存儲(chǔ)器以及ROM。

圖3和圖4是示出根據(jù)第一實(shí)施例的圖像處理方法的流程圖。在第一實(shí)施例中，CPU 201根據(jù)程序240執(zhí)行在圖3和4中示出的圖像處理方法的步驟(處理)。

CPU 201基于參考圖像獲得模型金字塔(S1到S7：模型金字塔計(jì)算步驟或模型金字塔計(jì)算處理)。模型金字塔具有通過縮小從參考圖像中提取的邊緣的尺寸并且基于尺寸縮小系數(shù)(基于分辨率)形成邊緣層而獲得的金字塔形結(jié)構(gòu)。因此，模型金字塔具有不同尺寸縮小系數(shù)(分辨率)的多個(gè)層。模型金字塔的每個(gè)層包括邊緣(模型邊緣)。具體地，從參考圖像中提取的邊緣被包括在與尺寸縮小系數(shù)為1對(duì)應(yīng)的第一層中，并且通過縮小從參考圖像中提取的邊緣的尺寸獲得的尺寸縮小的邊緣被包括在與除了1以外的尺寸縮小系數(shù)對(duì)應(yīng)的層(例如，與尺寸縮小系數(shù)為1/2對(duì)應(yīng)的層和與尺寸縮小系數(shù)為1/4對(duì)應(yīng)的層)中。這里，尺寸縮小系數(shù)意指尺寸縮小的程度，尺寸縮小系數(shù)變得越大，尺寸縮小目標(biāo)變得越小。例如，尺寸縮小系數(shù)為1/2意指尺寸縮小目標(biāo)的尺寸被縮小到1/2。那么尺寸縮小系數(shù)1/4大于尺寸縮小系數(shù)1/2(在數(shù)字方面基于分母執(zhí)行比較)。

在下文中，將詳細(xì)描述計(jì)算(生成)模型金字塔的模型金字塔計(jì)算步驟(模型金字塔計(jì)算處理)。

CPU 201使得照相機(jī)105捕獲在理想狀態(tài)中的照明條件之下并且安置在理想狀態(tài)中的位置中的工件W的圖像，從而獲得參考圖像(步驟S1)。雖然在第一實(shí)施例中示出了通過照相機(jī)105獲得參考圖像的情況，但是可以通過例如網(wǎng)絡(luò)或外部存儲(chǔ)裝置120獲得參考圖像。

隨后，CPU 201提取參考圖像中的邊緣點(diǎn)(步驟S2)。具體地，CPU 201設(shè)定參考圖像中的邊緣提取區(qū)域并且對(duì)于邊緣提取區(qū)域中的每個(gè)像素計(jì)算亮度梯度強(qiáng)度(邊緣幅度)以及亮度梯度方向(邊緣方向)。預(yù)先將關(guān)于邊緣提取區(qū)域的數(shù)據(jù)存儲(chǔ)(設(shè)定)在存儲(chǔ)單元(諸如HDD 204)中。在x和y方向上使用Sobel濾波器(邊緣提取濾波器)計(jì)算邊緣幅度。

圖5是示出根據(jù)第一實(shí)施例的提取邊緣點(diǎn)的操作的圖。首先，如圖5中所示出的，CPU 201計(jì)算參考圖像I_R中包括的特定目標(biāo)像素1R的x方向上的邊緣幅度(梯度強(qiáng)度)2R和y方向上的邊緣幅度(梯度強(qiáng)度)3R。

通過分別在x方向和y方向上的邊緣幅度2R的平方和邊緣幅度3R的平方之和的平方根來計(jì)算目標(biāo)像素1R的邊緣幅度4R(表達(dá)式1)。此外，根據(jù)下面的表達(dá)式2使用x方向上的邊緣幅度2R和y方向上的邊緣幅度3R計(jì)算邊緣方向。

E:邊緣幅度

E_x:x方向上的邊緣幅度

E_y:y方向上的邊緣幅度

θ:邊緣方向

在計(jì)算了參考圖像I_R中包括的所有像素的邊緣幅度和邊緣方向之后，CPU 201提取邊緣幅度等于或大于特定閾值的像素。此外，CPU 201通過對(duì)邊緣幅度等于或大于閾值的所提取像素執(zhí)行邊緣方向上的非最大抑制來執(zhí)行細(xì)化(thinning)處理，從而指定邊緣幅度局部變?yōu)樽畲蟮奈恢?。這里，除了關(guān)于坐標(biāo)(邊緣位置坐標(biāo))的信息之外，邊緣點(diǎn)還具有邊緣位置坐標(biāo)中的關(guān)于邊緣幅度的信息和關(guān)于邊緣方向的信息。由于邊緣點(diǎn)具有關(guān)于邊緣幅度的信息和關(guān)于邊緣方向的信息，因此邊緣點(diǎn)可以用作向量。在下面描述的邊緣的尺寸縮小中，使用邊緣作為向量執(zhí)行尺寸縮小處理。雖然在第一實(shí)施例中使用Sobel濾波器計(jì)算邊緣幅度和邊緣方向，但是可以使用邊緣提取濾波器，諸如Canny濾波器。

接下來，CPU 201通過根據(jù)邊緣點(diǎn)之間的關(guān)系收集多個(gè)邊緣點(diǎn)來生成邊緣(S3)。例如，CPU 201收集在其之間具有小距離的邊緣點(diǎn)(距離等于或小于預(yù)定距離)。注意，CPU 201可以根據(jù)工件W的特征收集邊緣點(diǎn)以便獲得新的邊緣。例如，在工件W具有圓形形狀的情況下，可以收集構(gòu)成圓形形狀的邊緣點(diǎn)使得獲得新的邊緣。通過收集邊緣點(diǎn)作為邊緣，可以執(zhí)行利用邊緣的特征的圖像處理。

以這種方式，CPU 201在步驟S2和步驟S3(邊緣提取步驟或邊緣提取處理)中從參考圖像中提取多個(gè)邊緣。由于在第一實(shí)施例中在參考圖像中設(shè)定邊緣提取區(qū)域，因此CPU 201在步驟S2中從設(shè)定的邊緣提取區(qū)域中提取邊緣點(diǎn)并且使用所提取的邊緣點(diǎn)計(jì)算邊緣。具體地，從邊緣提取區(qū)域中提取多個(gè)邊緣。

其后，CPU 201計(jì)算各個(gè)邊緣的尺寸(S4：尺寸計(jì)算步驟或尺寸計(jì)算處理)。在第一實(shí)施例中，計(jì)算邊緣的外接矩形并且獲得外接矩形的短邊的長(zhǎng)度作為邊緣的尺寸。注意，作為邊緣的尺寸，可以計(jì)算邊緣的外接矩形中的邊緣點(diǎn)的密度?？商娲兀鳛檫吘壍某叽?，可以計(jì)算邊緣的面積或長(zhǎng)度。以這種方式，多個(gè)特征值表征邊緣的尺寸，并且可以單獨(dú)使用每個(gè)特征值或可以彼此結(jié)合多個(gè)特征值。

隨后，CPU 201對(duì)于每個(gè)邊緣獲得與邊緣尺寸對(duì)應(yīng)的最大尺寸縮小系數(shù)(S5：最大尺寸縮小系數(shù)計(jì)算步驟或最大尺寸縮小系數(shù)計(jì)算處理)。最大尺寸縮小系數(shù)是指出對(duì)邊緣執(zhí)行的最大尺寸縮小的程度的數(shù)值。

圖6是示意性地示出根據(jù)第一實(shí)施例的其中設(shè)定所獲得的最大尺寸縮小系數(shù)的邊緣的圖。如圖6中所示出的，對(duì)于不同的邊緣尺寸設(shè)定不同的最大尺寸縮小系數(shù)。具體地，邊緣尺寸越大，設(shè)定的最大尺寸縮小系數(shù)越大。假設(shè)從參考圖像I_R中提取三個(gè)邊緣E1到E3。根據(jù)邊緣E1到E3的尺寸獲得最大尺寸縮小系數(shù)。在圖6的示例中，邊緣E1的最大尺寸縮小系數(shù)是1/4，邊緣E2的最大尺寸縮小系數(shù)是1/2，并且邊緣E3的最大尺寸縮小系數(shù)是1/1。

這里，隨著邊緣的尺寸越小，邊緣越可能模糊且受到環(huán)境噪聲的影響，因此，設(shè)定的最大尺寸縮小系數(shù)越小。另一方面，隨著邊緣的尺寸越大，可以設(shè)定的最大尺寸縮小系數(shù)越大，結(jié)果得到高速處理。最大尺寸縮小系數(shù)的計(jì)算式由例如表達(dá)式3表示。因此，CPU 201根據(jù)表達(dá)式3獲得最大尺寸縮小系數(shù)。在表達(dá)式3中，“maxMinimize”表示最大尺寸縮小系數(shù)并且“L”表示邊緣的尺寸。

max Minimize＝floor(L/2)，

floor(x)＝{n∈Z|n≤x}}表達(dá)式3

這里，將描述當(dāng)縮小邊緣的尺寸時(shí)發(fā)生的邊緣的“消失”和“模糊”。圖7A是示出邊緣消失的情況的圖。圖7B是示出邊緣模糊的情況的圖。在金字塔中的第i個(gè)臺(tái)階的邊緣的尺寸被縮小以獲得第(i+1)個(gè)臺(tái)階(1/2倍)的邊緣的情況下，基于2×2像素的單位分割邊緣的區(qū)域。在如圖7A中所示出的將2×2像素的邊緣縮小到1個(gè)像素的情況下，當(dāng)四個(gè)邊緣向量(邊緣幅度和邊緣方向)彼此合成時(shí)邊緣點(diǎn)可能消失。此外，如圖7B中所示出的，在使用不同于圖7A的特定位置作為參考來縮小2×2像素的邊緣的情況下，邊緣方向從原始的特征改變，并且因此可能產(chǎn)生模糊。

根據(jù)第一實(shí)施例，當(dāng)縮小邊緣的尺寸以便從參考圖像生成模型金字塔時(shí)避免邊緣模糊。因此，CPU 201基于對(duì)于各個(gè)邊緣計(jì)算的最大尺寸縮小系數(shù)來縮小邊緣的尺寸(S6)。在對(duì)所有邊緣執(zhí)行尺寸縮小處理之后，CPU 201根據(jù)尺寸縮小系數(shù)收集邊緣從而基于尺寸縮小系數(shù)生成模型金字塔(S7)。具體地，通過對(duì)于各個(gè)邊緣在不超過最大尺寸縮小系數(shù)的范圍內(nèi)重復(fù)地執(zhí)行尺寸縮小來實(shí)現(xiàn)這個(gè)處理。這里，CPU 201從模型金字塔的多個(gè)層中的尺寸縮小系數(shù)最小的層(即，尺寸縮小系數(shù)為1/1的層)開始持續(xù)地增大尺寸縮小系數(shù)。在該情況下，多個(gè)層之中的要生成的層被確定作為目標(biāo)層。當(dāng)在步驟S6和步驟S7中生成目標(biāo)層時(shí)，CPU 201設(shè)定如下的邊緣作為目標(biāo)層的模型邊緣(設(shè)定步驟或設(shè)定處理)：該邊緣與尺寸縮小系數(shù)等于或大于目標(biāo)層的尺寸縮小系數(shù)的邊緣對(duì)應(yīng)以及具有變?yōu)槟繕?biāo)層的尺寸縮小系數(shù)的尺寸縮小系數(shù)。

在第一實(shí)施例中，CPU 201在步驟S6和步驟S7中從多個(gè)邊緣之中提取最大尺寸縮小系數(shù)等于或大于目標(biāo)層的尺寸縮小系數(shù)的邊緣，執(zhí)行計(jì)算使得所提取邊緣具有目標(biāo)層的尺寸縮小系數(shù)，并且設(shè)定所提取邊緣作為目標(biāo)層中的模型邊緣。此外，在目標(biāo)層的尺寸縮小系數(shù)為1/1(即，1)的情況下，CPU 201在步驟S6和步驟S7中設(shè)定該多個(gè)邊緣作為目標(biāo)層的模型邊緣。

在下文中，為描述簡(jiǎn)單起見，通過一次尺寸縮小將邊緣的尺寸縮小到1/2。例如，在圖6的邊緣E1的情況下，由于邊緣E1具有1/4的最大尺寸縮小系數(shù)，因此執(zhí)行兩次尺寸縮小。在該情況下，已經(jīng)經(jīng)受一次尺寸縮小的邊緣被稱為“邊緣E1'”，并且已經(jīng)經(jīng)受兩次尺寸縮小的邊緣被稱為“邊緣E1"”。類似地，對(duì)邊緣E2執(zhí)行一次尺寸縮小。在該情況下，已經(jīng)經(jīng)受一次尺寸縮小的邊緣被稱為“邊緣E2'”。邊緣E3不經(jīng)受尺寸縮小。

圖8是示出在邊緣尺寸縮小時(shí)邊緣點(diǎn)的合成的圖?，F(xiàn)在將參考圖8詳細(xì)描述邊緣的尺寸縮小。生成以2×2像素為單位的感興趣區(qū)。接下來，感興趣區(qū)中包括的所有邊緣點(diǎn)經(jīng)受向量合成。根據(jù)下面表達(dá)式4到7計(jì)算向量合成之后的邊緣幅度E_R和邊緣方向θ_R。

這里，“e_i”和“θ_i”(i＝0到3)分別表示感興趣區(qū)中包括的邊緣點(diǎn)EP_i的邊緣幅度和邊緣方向。最后，感興趣區(qū)被偏移使得感興趣區(qū)不包括已經(jīng)經(jīng)受尺寸縮小處理的像素。通過重復(fù)地執(zhí)行上述處理，執(zhí)行邊緣的尺寸縮小。

圖9是示意性地示出模型金字塔的圖。如圖9中所示出的，模型金字塔中的尺寸縮小系數(shù)為1/1(無尺寸縮小)的層包括邊緣E1到E3。模型金字塔中的尺寸縮小系數(shù)為1/2的層僅包括邊緣E1'和E2'，因?yàn)樽畲蟪叽缈s小系數(shù)為1的邊緣E3的尺寸不縮小。模型金字塔中的尺寸縮小系數(shù)為1/4的層僅包括邊緣E1″，因?yàn)樽畲蟪叽缈s小系數(shù)為1的邊緣E3的尺寸和最大尺寸縮小系數(shù)為1/2的邊緣E2的尺寸不縮小。

具體地，在尺寸縮小系數(shù)為1/1的層被設(shè)定作為目標(biāo)層的情況下，多個(gè)邊緣E1到E3被設(shè)定作為目標(biāo)層中的模型邊緣。此外，在要執(zhí)行1/2尺寸縮小(即，尺寸縮小系數(shù)為1/2的層被確定作為目標(biāo)層)的情況下，從多個(gè)邊緣E1到E3之中提取最大尺寸縮小系數(shù)等于或大于目標(biāo)層的尺寸縮小系數(shù)的邊緣E1和E2。CPU 201對(duì)提取的邊緣E1和E2執(zhí)行利用與目標(biāo)層對(duì)應(yīng)的尺寸縮小系數(shù)1/2的尺寸縮小的計(jì)算，從而獲得邊緣E1'和E2'以便被設(shè)定作為目標(biāo)層中的模型邊緣。此外，在要執(zhí)行1/4尺寸縮小(即，尺寸縮小系數(shù)為1/4的層被確定作為目標(biāo)層)的情況下，從多個(gè)邊緣E1到E3之中提取最大尺寸縮小系數(shù)等于或大于目標(biāo)層的尺寸縮小系數(shù)的邊緣E1。CPU 201對(duì)提取的邊緣E1執(zhí)行利用與目標(biāo)層對(duì)應(yīng)的尺寸縮小系數(shù)1/4的尺寸縮小的計(jì)算，從而獲得邊緣E1″以便被設(shè)定作為目標(biāo)層中的模型邊緣。具體地，邊緣E1'經(jīng)受1/2尺寸縮小使得獲得邊緣E1"。

如上所述獲得的模型金字塔被存儲(chǔ)在存儲(chǔ)單元(諸如HDD 204)中。此外，最大尺寸縮小系數(shù)中的最大一個(gè)最大尺寸縮小系數(shù)被存儲(chǔ)在存儲(chǔ)單元(諸如HDD 204)中作為在下面描述的模式匹配中搜索目標(biāo)圖像經(jīng)受尺寸縮小時(shí)要使用的模型最大尺寸縮小系數(shù)。具體地，在圖6的情況下，邊緣E1的最大尺寸縮小系數(shù)1/4被存儲(chǔ)在HDD 204中作為模型最大尺寸縮小系數(shù)。

在上文描述了模型金字塔計(jì)算方法(計(jì)算步驟或計(jì)算處理)。在實(shí)際執(zhí)行模式匹配時(shí)，從作為存儲(chǔ)單元的HDD 204讀取模型金字塔。

在下文中將描述圖4的流程圖。首先，CPU 201讀取和輸入存儲(chǔ)在HDD 204中的模型金字塔(S11)。

隨后，CPU 201使得照相機(jī)105捕獲在模型生成的照明條件之下并且安置在模型生成中的位置中的工件W的圖像，從而從照相機(jī)105獲得搜索目標(biāo)圖像(步驟S12)。

然后，CPU 201基于該搜索目標(biāo)圖像獲得搜索目標(biāo)金字塔(S13：搜索目標(biāo)金字塔計(jì)算步驟或搜索目標(biāo)金字塔計(jì)算處理)。搜索目標(biāo)金字塔具有通過縮小從搜索目標(biāo)圖像中提取的邊緣的尺寸并且根據(jù)尺寸縮小系數(shù)(根據(jù)分辨率)形成邊緣層級(jí)而獲得的金字塔形結(jié)構(gòu)。具體地，搜索目標(biāo)金字塔的結(jié)構(gòu)與模型金字塔的結(jié)構(gòu)相同。搜索目標(biāo)金字塔也具有不同的尺寸縮小系數(shù)(分辨率)的不同的層，并且層包括邊緣(搜索目標(biāo)邊緣)。搜索目標(biāo)金字塔的層(臺(tái)階)的數(shù)量與模型金字塔的層(臺(tái)階)的數(shù)量相同。此外，搜索目標(biāo)金字塔的層的尺寸縮小系數(shù)與模型金字塔的層的尺寸縮小系數(shù)相同。具體地，搜索目標(biāo)金字塔具有尺寸縮小系數(shù)與模型金字塔相同的層。如果模型金字塔具有尺寸縮小系數(shù)為1、1/2和1/4的層，則生成具有尺寸縮小系數(shù)為1、1/2和1/4的層的搜索目標(biāo)金字塔。

現(xiàn)在將詳細(xì)描述步驟S13中的處理。CPU 201使用Sobel濾波器(邊緣提取濾波器)在步驟S12中獲得的搜索目標(biāo)圖像中提取邊緣點(diǎn)。當(dāng)在步驟S1到步驟S7中生成模型金字塔時(shí)，通過對(duì)邊緣點(diǎn)執(zhí)行非最大抑制來執(zhí)行細(xì)化處理。然而，主要對(duì)模型的邊緣點(diǎn)執(zhí)行下面描述的模式匹配的分?jǐn)?shù)計(jì)算，并且因此，不需要對(duì)搜索目標(biāo)圖像執(zhí)行細(xì)化處理。然后CPU 201對(duì)所提取邊緣重復(fù)地執(zhí)行尺寸縮小從而生成搜索目標(biāo)金字塔。向量合成被用作尺寸縮小方法。這里，執(zhí)行尺寸縮小到預(yù)先存儲(chǔ)的模型金字塔的最大尺寸縮小系數(shù)，并且不執(zhí)行不必要的尺寸縮小。

CPU 201對(duì)搜索目標(biāo)金字塔執(zhí)行使用模型金字塔的粗到精的搜索方法的模式匹配(S14：匹配步驟或匹配處理)。

圖10是示出粗到精的搜索方法的概念圖。首先，在兩個(gè)金字塔中在最低分辨率的層(即，其中其尺寸被縮小最多(尺寸縮小系數(shù)最大))中的邊緣中搜索用作檢測(cè)目標(biāo)對(duì)象的工件。這通常被稱為“粗略的搜索”。在粗略的搜索中，其中工件可能移動(dòng)到的圖像中的整個(gè)范圍經(jīng)受搜索。然而，當(dāng)與尺寸縮小之前的數(shù)據(jù)相比時(shí)，減少了大量數(shù)據(jù)，并且因此，可以以高速檢測(cè)工件的位置。關(guān)于所檢測(cè)到的位置的信息要在下面描述的精細(xì)的搜索中使用。注意，可能檢測(cè)到多個(gè)位置。

在粗略的搜索之后執(zhí)行精細(xì)的搜索。粗略的搜索和精細(xì)的搜索彼此不同之處在于，精細(xì)的搜索使用先前檢測(cè)的結(jié)果。在精細(xì)的搜索中，僅在粗略地指定的先前檢測(cè)位置附近的部分經(jīng)受搜索，使得實(shí)現(xiàn)高速處理。通過重復(fù)地執(zhí)行精細(xì)的搜索，與先前檢測(cè)結(jié)果相比時(shí)可以以更高精度指定搜索目標(biāo)對(duì)象的位置。當(dāng)重復(fù)地執(zhí)行精細(xì)的搜索時(shí)，檢測(cè)到高度可靠的位置，并且因此，下次精細(xì)的搜索中使用的候選者的數(shù)量逐漸地減少并且在最后的搜索中確定剩余的候選位置中最可靠的那個(gè)位置作為檢測(cè)位置。這里，選擇具有最高分?jǐn)?shù)(即，最類似于模型)的位置作為高度可靠的檢測(cè)位置。

圖11是示意性地示出模式匹配的圖。將參考圖11描述模式匹配中的分?jǐn)?shù)計(jì)算。當(dāng)模型在圖像中以像素為單位執(zhí)行平行移動(dòng)時(shí)，各個(gè)位置中的分?jǐn)?shù)在各自的位置中被計(jì)算。任意位置(i,j)中的分?jǐn)?shù)S_ij根據(jù)表達(dá)式8來計(jì)算。

S_ij:(i,j)處的分?jǐn)?shù)

N:模型的邊緣的數(shù)量

s_k:局部分?jǐn)?shù)

這里，對(duì)于模型的每個(gè)邊緣點(diǎn)計(jì)算局部分?jǐn)?shù)s_k，并且局部分?jǐn)?shù)s_k由搜索目標(biāo)圖像中的特定邊緣點(diǎn)的邊緣方向與模型中的特定邊緣點(diǎn)的邊緣方向之間的差的余弦值表示(表達(dá)式9)。

s_k＝cos(θT_k-θ_Mk)，k＝1，…，N表達(dá)式9

θ_Tk:搜索目標(biāo)圖像的邊緣方向

θ_Mk:模型的邊緣方向

k:模型的邊緣點(diǎn)的索引

局部分?jǐn)?shù)的可能值的范圍為從-1到1的范圍。此外，局部分?jǐn)?shù)的和除以邊緣點(diǎn)的數(shù)量以便規(guī)格化，并且因此，分?jǐn)?shù)可能值的范圍為從-1到1的范圍。當(dāng)通過上述計(jì)算計(jì)算任意位置的分?jǐn)?shù)時(shí)，執(zhí)行閾值確定以便確定是否成功地執(zhí)行檢測(cè)。如果分?jǐn)?shù)等于或大于預(yù)定的閾值，則該任意點(diǎn)被確定作為匹配候選點(diǎn)并且在檢測(cè)位置之后計(jì)算下一位置的分?jǐn)?shù)并且存儲(chǔ)分?jǐn)?shù)，而如果分?jǐn)?shù)小于閾值，則對(duì)下一位置執(zhí)行分?jǐn)?shù)計(jì)算。在計(jì)算各個(gè)位置中的所有分?jǐn)?shù)之后，如果檢測(cè)到匹配候選點(diǎn)則確定已經(jīng)成功地執(zhí)行使用形狀模式匹配的檢測(cè)。其后，輸出匹配候選者之中具有最大分?jǐn)?shù)的匹配候選點(diǎn)的關(guān)于分?jǐn)?shù)的信息和關(guān)于檢測(cè)位置(i，j)的信息。

根據(jù)第一實(shí)施例，基于使用邊緣尺寸對(duì)于各自邊緣計(jì)算的最大尺寸縮小系數(shù)生成模型金字塔，并且相應(yīng)地，可以防止在模型金字塔的每一層中生成具有模糊等的不穩(wěn)定的模型邊緣。相應(yīng)地，由于使用不包括不穩(wěn)定的邊緣的模型金字塔執(zhí)行模式匹配，因此可以以高速、高穩(wěn)健性以及高精度實(shí)現(xiàn)模式匹配。

第二實(shí)施例

接下來，將描述根據(jù)本發(fā)明第二實(shí)施例的圖像處理方法。圖12是示出根據(jù)本發(fā)明第二實(shí)施例的圖像處理方法的流程圖。根據(jù)第二實(shí)施例的圖像處理設(shè)備的配置與第一實(shí)施例相同，但是第二實(shí)施例與第一實(shí)施例的不同在于CPU 201的處理，即，程序240，并且更具體地，用于生成模型金字塔的方法。在第二實(shí)施例中，如同第一實(shí)施例一樣，CPU 201根據(jù)程序240執(zhí)行在圖12中示出的圖像處理方法(模型金字塔生成方法)的步驟(處理)。

CPU 201基于參考圖像獲得模型金字塔(S21到S27：模型金字塔計(jì)算步驟或模型金字塔計(jì)算處理)。這里，圖12中示出的從步驟S21到步驟S25的處理與圖3中示出的從步驟S1到步驟S5的處理相同。具體地，CPU 201從參考圖像中提取邊緣點(diǎn)(S21和S22)，收集邊緣點(diǎn)從而生成邊緣(S23)，計(jì)算各個(gè)邊緣的尺寸(S24)，并且根據(jù)邊緣的尺寸計(jì)算最大尺寸縮小系數(shù)(S25)。

當(dāng)生成模型金字塔的多個(gè)層之中的目標(biāo)層時(shí)，CPU 201設(shè)定具有等于或大于模型金字塔的多個(gè)層之中的目標(biāo)層的尺寸縮小系數(shù)的尺寸縮小系數(shù)以及經(jīng)受利用目標(biāo)層的尺寸縮小率的尺寸縮小的邊緣作為目標(biāo)層的模型邊緣(S26和S27)。具體地，在步驟S26和步驟S27中執(zhí)行設(shè)定步驟(設(shè)定處理)。

在第二實(shí)施例中，CPU 201在步驟S26中使用多個(gè)邊緣的最大尺寸縮小系數(shù)之中的最大一個(gè)最大尺寸縮小系數(shù)作為上限對(duì)參考圖像執(zhí)行尺寸縮小，并且獲得與目標(biāo)層對(duì)應(yīng)的尺寸縮小系數(shù)的經(jīng)尺寸縮小的圖像。例如，在多個(gè)邊緣E1到E3的最大尺寸縮小系數(shù)之中，最大一個(gè)最大尺寸縮小系數(shù)為1/4。最大尺寸縮小系數(shù)1/4被設(shè)定作為上限，并且參考圖像經(jīng)受尺寸縮小使得獲得經(jīng)尺寸縮小的圖像。例如，獲得利用1/2的尺寸縮小系數(shù)縮小的經(jīng)尺寸縮小的圖像以及利用1/4的尺寸縮小系數(shù)縮小的經(jīng)尺寸縮小的圖像。

在每個(gè)經(jīng)尺寸縮小的圖像中，CPU 201在經(jīng)尺寸縮小的圖像中的除了包括最大尺寸縮小系數(shù)小于經(jīng)尺寸縮小的圖像的尺寸縮小系數(shù)的邊緣的區(qū)域以外的區(qū)域中設(shè)定尺寸縮小邊緣提取區(qū)域，該尺寸縮小邊緣提取區(qū)域的尺寸縮小系數(shù)與經(jīng)尺寸縮小的圖像的尺寸縮小系數(shù)相同。在步驟S27中，CPU 201設(shè)定從尺寸縮小邊緣提取區(qū)域中提取的邊緣作為目標(biāo)層的模型邊緣。例如，在尺寸縮小系數(shù)為1/2的層中，從尺寸縮小邊緣提取區(qū)域中提取的邊緣E1'和E2'被設(shè)定作為模型邊緣，并且在尺寸縮小系數(shù)為1/4的層中，從尺寸縮小邊緣提取區(qū)域中提取的邊緣E1"被設(shè)定作為模型邊緣。

將詳細(xì)描述步驟S26中的處理。CPU 201根據(jù)對(duì)于每個(gè)邊緣計(jì)算的最大尺寸縮小系數(shù)來縮小邊緣提取區(qū)域和參考圖像的尺寸。具體地，通過在不超過最大尺寸縮小系數(shù)的范圍內(nèi)對(duì)參考圖像和邊緣提取區(qū)域重復(fù)地執(zhí)行尺寸縮小來實(shí)現(xiàn)這個(gè)處理。

這里，在邊緣提取區(qū)域經(jīng)受尺寸縮小之前預(yù)先從邊緣提取區(qū)域中排除包括尺寸縮小系數(shù)超出最大尺寸縮小系數(shù)的邊緣的區(qū)域，使得不提取不穩(wěn)定的邊緣。

在下文中，為描述簡(jiǎn)單起見對(duì)于一次尺寸縮小將邊緣的尺寸縮小1/2。首先，將詳細(xì)描述邊緣提取區(qū)域的尺寸縮小。區(qū)域等于二進(jìn)制圖像。相應(yīng)地，在首先示出通常的圖像尺寸縮小方法之后描述二進(jìn)制圖像的情況。

將在下文中描述通常的圖像尺寸縮小方法。首先，在要執(zhí)行尺寸縮小系數(shù)為1/2的尺寸縮小的情況下，生成以2×2像素為單位的感興趣區(qū)。接下來，感興趣區(qū)中包括的所有像素的亮度值的平均值被計(jì)算，并且被確定作為尺寸縮小之后的亮度值。最后，感興趣區(qū)被偏移使得感興趣區(qū)不包括已經(jīng)經(jīng)受尺寸縮小處理的像素。重復(fù)地執(zhí)行處理，并且當(dāng)停止整個(gè)感興趣區(qū)的偏移時(shí)，生成作為參考圖像的經(jīng)尺寸縮小的圖像的圖像。

這里，在二進(jìn)制圖像的情況下，為了獲得尺寸縮小之后的二進(jìn)制圖像，要求獲得二進(jìn)制的平均值。在第二實(shí)施例中，如果平均值等于或大于閾值，則二進(jìn)制值為1，而如果平均值小于閾值，則二進(jìn)制值為0，并且閾值為0。由此，尺寸縮小之后的邊緣提取區(qū)域可靠地包括與尺寸縮小之前的邊緣提取區(qū)域?qū)?yīng)的區(qū)域。

接下來，將在下文中描述用于預(yù)先從邊緣提取區(qū)域中排除包括尺寸縮小系數(shù)大于最大尺寸縮小系數(shù)的邊緣的區(qū)域的方法。

首先，如同邊緣尺寸縮小方法一樣，基于對(duì)于每個(gè)邊緣計(jì)算的最大尺寸縮小系數(shù)縮小邊緣的尺寸。具體地，通過對(duì)于各個(gè)邊緣在不超過最大尺寸縮小系數(shù)的范圍內(nèi)重復(fù)地執(zhí)行尺寸縮小來實(shí)現(xiàn)這個(gè)處理。

在圖6的邊緣E1的情況下，由于邊緣E4具有1/4的最大尺寸縮小系數(shù)，因此執(zhí)行兩次尺寸縮小。在該情況下，已經(jīng)經(jīng)受一次尺寸縮小的邊緣被稱為“邊緣E1'”，并且已經(jīng)經(jīng)受兩次尺寸縮小的邊緣被稱為“邊緣E1"”。類似地，對(duì)邊緣E2執(zhí)行一次尺寸縮小。在該情況下，已經(jīng)經(jīng)受一次尺寸縮小的邊緣被稱為“邊緣E2'”。邊緣E3不會(huì)進(jìn)一步經(jīng)受尺寸縮小。

在對(duì)所有邊緣執(zhí)行尺寸縮小處理之后，CPU 201根據(jù)尺寸縮小系數(shù)收集邊緣從而生成區(qū)域。當(dāng)要生成邊緣區(qū)域時(shí)，在實(shí)踐中可以根據(jù)Sobel濾波器的寬度執(zhí)行擴(kuò)展(expansion)處理。然后，包括具有相同的尺寸縮小系數(shù)的邊緣的區(qū)域和邊緣提取區(qū)域之間的重疊區(qū)被重新確定為該尺寸縮小系數(shù)的尺寸縮小邊緣提取區(qū)域。由此，任意尺寸縮小系數(shù)的尺寸縮小邊緣提取區(qū)域不包括不穩(wěn)定的邊緣。

注意，雖然在第二實(shí)施例中在縮小邊緣提取區(qū)域的尺寸之后通過排除要求從尺寸縮小區(qū)域中排除的區(qū)域來獲得尺寸縮小邊緣提取區(qū)域，但是可以通過在從邊緣提取區(qū)域中排除要求的區(qū)域之后對(duì)剩余區(qū)域執(zhí)行尺寸縮小來獲得尺寸縮小邊緣提取區(qū)域。

接下來，CPU 201在步驟S27中使用參考圖像、經(jīng)尺寸縮小的圖像、邊緣提取區(qū)域以及尺寸縮小邊緣提取區(qū)域來生成模型金字塔。從邊緣提取區(qū)域中提取的邊緣和相同的尺寸縮小系數(shù)的圖像被確定作為尺寸縮小系數(shù)的模型。

可以使用第一實(shí)施例中的圖4的流程圖中示出的模式匹配方法，并且因此省略其描述。

根據(jù)第二實(shí)施例，如同第一實(shí)施例一樣，基于使用邊緣尺寸對(duì)于各自邊緣計(jì)算的最大尺寸縮小系數(shù)生成模型金字塔，并且相應(yīng)地，可以防止在模型金字塔的每一層中生成具有模糊等的不穩(wěn)定的模型邊緣。相應(yīng)地，由于使用不包括不穩(wěn)定的邊緣的模型金字塔執(zhí)行模式匹配，因此可以以高速、高穩(wěn)健性以及高精度實(shí)現(xiàn)模式匹配。

注意，本發(fā)明不限于上述實(shí)施例，并且可以在本發(fā)明的范圍內(nèi)做出各種變型。此外，在本發(fā)明的實(shí)施例中描述了本發(fā)明的優(yōu)選的效果，并且本發(fā)明的效果不限于本發(fā)明的實(shí)施例中描述的那些。

本發(fā)明可以通過經(jīng)由網(wǎng)絡(luò)或存儲(chǔ)介質(zhì)將實(shí)現(xiàn)上述實(shí)施例的功能中的至少一個(gè)的程序供應(yīng)給系統(tǒng)或設(shè)備并且通過該系統(tǒng)或設(shè)備中包括的計(jì)算機(jī)的至少一個(gè)處理器讀取和執(zhí)行該程序的處理來實(shí)現(xiàn)。此外，本發(fā)明可以通過實(shí)現(xiàn)功能中的至少一個(gè)的電路(例如，專用集成電路(ASIC))實(shí)現(xiàn)。

此外，雖然在上述實(shí)施例中描述了通過從搜索目標(biāo)圖像中提取邊緣并且縮小邊緣尺寸來獲得搜索目標(biāo)金字塔的情況，但是可以通過從搜索目標(biāo)圖像和通過對(duì)搜索目標(biāo)圖像執(zhí)行尺寸縮小而獲得的經(jīng)尺寸縮小的圖像中提取邊緣來獲得搜索目標(biāo)金字塔。在該情況下，雖然可以對(duì)整個(gè)圖像執(zhí)行邊緣提取，但是在小尺寸縮小系數(shù)的下層中，可以使用在較大尺寸縮小系數(shù)的上層中執(zhí)行的模式匹配的結(jié)果使僅圖像中的模式匹配所需的最小區(qū)域經(jīng)受邊緣提取。在該情況下，重復(fù)地執(zhí)行搜索目標(biāo)金字塔計(jì)算處理和匹配處理直到搜索目標(biāo)金字塔的最下層與搜索目標(biāo)圖像的尺寸縮小系數(shù)(即，1/1的尺寸縮小系數(shù))對(duì)應(yīng)。

雖然已經(jīng)參考示例性實(shí)施例描述了本發(fā)明，但是應(yīng)當(dāng)理解，本發(fā)明不限于所公開的示例性實(shí)施例。以下權(quán)利要求的范圍將被給予最寬的解釋從而包括所有這樣的修改、等同的結(jié)構(gòu)與功能。