Technology and Test工艺与检测
一种快速高精度的零件图像配准算法
苏森李郁峰范勇陈念年刘冬冬
（西南科技大学计算机科学与技术学院，四川绵阳621010）
摘要：针对大批量机械加工零件测量时图像配准精度低、速度慢的问题，提出了一种快速高精度零件图像
配准算法，分初始配准和精确配准两个过程。初始配准采用零件最小外接矩形和图像形心，以缩减配准参数范围提高配准速度。精确配准将互信息作为相似度准则，利用空间位置一致时互信息值最大实现参数最佳定位提高配准精度。实验结果表明，对于2048×2048像素的机械加工零件图片，算法配准平移量精度达到像素级，配准角度误差不超过0.1°，配准时间小于2.1s，满足实际连续测量中大批量零件配准要求。
关键词：图像配准；最小外接矩形；形心；互信息
中图分类号：TH164
文献标识码：A
DOI:10.19287/j.cnki.1005 2402.2016.07.026
Afast and accurate image registration method forparts SU Sen, LI Yufen, FAN Yong, CHEN Niannian,LIU Dongdong
(School of Computer Science and Technology, Southwest University of Science and Technology, Mianyang 621010, CHN) Abstract: In view of the precision of image registration and the slow speed of registration in the measurement of
large quantities of machining parts, this paper presents a fast and accurate image registration algorithm for parts, which is divided into two processes: the initial registration and the accurate registration. First step is to use parts of the minimum bounding rectangle and the image centroid, reducing the scale of the registration parameters in order to improve the speed of registration. Second step is to use Mutual infor-esesarres oeen er eeae eoa es e oe tial position consistent to achieve the best parameters to improve the accuracy. Experiment results showed that with regard to the 2048 pixel * 2048 pixel image, the registration method in this paper can achieve pixel level accuracy in registration translation amount, not more than 0. 1 degrees in registration angle, less than 2. 1 seconds in registration time, which meeting the actual large quantities of parts reg istration requirement.
Keywords : image registration;smallest minimum bounding rectangle; centroid; mutual information
在线、连续、自动化测量已成为机械加工零件测量的发展趋势，其中大批量零件测量中，图像配准的精度及速度会严重影响零件测量的准确度和效率，故图像配准是机械加工零件连续测量关键技术之一。图像配准是对不同时间、不同视场、不同成像模式的两幅或多幅图像进行空间几何变换，使得图像在几何上能够匹配对应起来。
目前，国内外研究学者将图像配准大致分为两类，基于灰度信息法和特征法。灰度信息法主要有互信息法[1-4]、相位相关法等[5]，该类方法不需要对
*四川省教育厅重大培育项目（14CZ0012）
利适教车与和乐” 2016年第7期
万方数据
图像灰度间的关系作任何假设，也不需要对图像进行预处理，具有较高的准确性和鲁棒性，但需考虑匹配点邻域灰度，配准时计算量大，耗时长。特征配准法主要有SUSAN角点[]检测、Harris角点[7]检测、 SIFT特征点(8-10)检测，通过提取图像特征点，大大压缩图像信息，故配准时计算简单，速度快，但需较多的人工介人，且机械零件特征匹配时很容易误匹配，致使配准精度较低。
为了满足大批量机械加工零件图像配准精度高、速度快的要求，本文将互信息作为相似度准则，利用零
. 121