图4 模板匹配检测原理示意图
图5 模板匹配检测流程
检测过程是一个采集摄像头图像并进行图像处理(基于开源计算机视觉和机器学习软件库OpenCV 的图像处理)的过程，计算机所处理的图像，其实是一个由一系列范围在[0，255]区间的灰度值组成的二维矩阵。下面以一个前地板零件的检测过程为案例，对检测过程和效果进行说明，为了验证识别效果，模板图片比实际零件少了一个孔，如图6红色箭头位置所示。
图6 视频采集图像和模板图像的相似度
步骤1～步骤2：程序对每一帧的图片和模板图片进行相似度分析，得到一个区间在[0.0，1.0]范围的计算结果，0 表示完全一样，1 表示两张图像完全不同。程序会选择相似度最小值的图片，进入到下一个计算步骤。
步骤3：模板图片和摄像头图片进行差异分析，两个图片灰度值不一样的像素点用红色高亮表示出来，如图7 所示。由于摄像头感光元件噪点、环境光源差异、机械振动等原因影响，两个图片虽然肉眼识别无明显差异，但在计算机内存中很多像素点的灰度值还是有差异，需要过滤掉这些噪声干扰，才能将两个图片真实的差异点凸显出来。
图7 模板和摄像头图片的差异图
步骤4：差异的噪声处理主要有两步，首先设定一个灰度差的阈值为50，即如果两个图像的像素点灰度差值的绝对值小于等于50，则判定此像素点无差异。通过这一步骤，可以消除掉90%以上的噪点，如图8 所示。此时，仍存在一些离散的噪点，主要处于零件反光的高亮区域边界，或者零件的轮廓边界，通过图像的腐蚀和膨胀操作(卷积核为3×3 矩阵)，对这些离散的差异点有很好的过滤作用，同时保留了连成区域的差异位置，如图9所示。
