色彩匹配（Color Matching）是將模板圖像與待測圖像或其中某一區(qū)域的顏色進行比較，判斷它們是否相同或相近的過程。它可以用于顏色識別、顏色檢驗以及彩色對象定位等基于色彩信息比較的應(yīng)用程序。

色彩匹配通常分為色彩學習（Color Learning）和色彩比較（Color Comparing）兩步。

• 在色彩學習階段，系統(tǒng)會對模板圖像或區(qū)域的顏色信息進行量化，并基于各種顏色及對應(yīng)像素占總像素的百分比來生成顏色特征向量；

• 在色彩比較階段，系統(tǒng)會將模板和待測圖像的顏色特征向量進行比較，并返回它們之間的相似度指標。

如何才能判斷兩幅圖像中的顏色是否相同呢？

當然是從圖像中不同顏色的像素統(tǒng)計信息入手。對于兩幅尺寸和顏色相同的圖像來說，圖像中每種顏色的像素數(shù)均相同。對于尺寸不同但顏色相同的圖像來說，圖像中每種顏色的像素數(shù)不相同，但是兩幅圖像中每種顏色的像素數(shù)占總像素數(shù)的比例卻相同?？紤]通用性，可以將圖像中各種顏色對應(yīng)的像素數(shù)占圖像總像素數(shù)的比例作為顏色比較的特征向量。

但是，若對圖像中所有顏色都進行統(tǒng)計，生成的特征向量就會很大，這極不利于系統(tǒng)對實時性的要求。因此還要再進一步對特征向量進行優(yōu)化。

由于HSL色彩空間具有亮度和色彩信息分離的特點，因此可以將圖像轉(zhuǎn)換至HSL空間中，再基于色調(diào)和飽和度構(gòu)成的色盤對顏色進行量化。這樣得到的顏色特征向量不僅不會受到亮度變化的影響，還能根據(jù)程序?qū)︻伾直媛实男枰?，調(diào)整量化等級以減少特征向量的數(shù)據(jù)量。

下圖顯示了提取圖像顏色特征向量的過程：

色譜提取

首先彩色圖像被轉(zhuǎn)換至HSL色彩空間，以分離亮度和顏色信息。由于亮度128對應(yīng)的色盤最大（中間)，因此可以僅抽取該色盤進行量化。量化時先根據(jù)對顏色分辨率的需要，將色盤等分為多個扇區(qū)。顏色敏感度（color sensitivity）參數(shù)用來確定色盤具體被劃分為多少個扇區(qū)。

Nl Vision采用低、中、高3擋顏色敏感度值來控制顏色的分辨率。低擋將色盤分為7個扇區(qū)，中擋將色盤分為14個扇區(qū)，高擋則將色盤分為28個扇區(qū)。扇區(qū)越多，說明量化的分辨率越高。色盤被等分為扇區(qū)后，就可以進一步沿著飽和度方向進行分割。Nl Vision將各扇區(qū)沿飽和度方向分為兩塊，具體分割位置由飽和度閾值（saturation threshold）決定，它控制了每個扇區(qū)分為兩塊的內(nèi)圓的半徑。

在色彩學習階段，機器視覺系統(tǒng)會從模板圖像或區(qū)域中提取其色譜。在匹配階段，機器視覺系統(tǒng)同樣會從目標圖像中提取其色譜，并比較其與模板圖像色譜的差異。而色譜之間的差異則可使用兩個向量之間的曼哈頓距離來定量評價。

在實際中，為了補償色彩量化過程中可能發(fā)生的一些錯誤，一般都會在計算色譜之間的距離之前使用模糊權(quán)重函數(shù)對色譜進行加權(quán)。通過色譜間的曼哈頓距離（各元素間差異的絕對值求和)，最終生成一個在0~1000之間的表示差異度的值。下圖顯示了上述色彩比較過程，其中0表示色譜之間沒有相似性，而1000分表示完美匹配。

綜上所述，色彩匹配實際上就是比較圖像或圖像區(qū)域的色譜與模板圖像的色譜是否相同或相近的過程。在學習階段，機器視覺系統(tǒng)會提取指定模板圖像或選擇圖像的色譜，其中圖像的顏色信息可以由一種或多種顏色組成。色譜提取過程可將圖像中的三維顏色信息量化表示為一維色譜。在顏色匹配階段，機器視覺系統(tǒng)會提取待測圖像中的色譜，并與學習到的模板色譜進行比較，最后計算色譜的匹配度。

Nl Vision使用位于LabVIEW的視覺與運動→lmage Processing→Color Processing函數(shù)選板中的IMAQ Color Learn和IMAQ ColorMatch函數(shù)分別封裝了上述色彩學習和匹配過程?；诘玫降纳V及其匹配度數(shù)據(jù)，機器視覺系統(tǒng)可設(shè)置閾值來實現(xiàn)顏色識別、顏色檢測、顏色定位以及其他基于色彩比較的應(yīng)用程序，如下圖所示：

函數(shù)說明及使用可參見幫助手冊： 

1

顏色識別

顏色識別（Color ldentification）是指從預(yù)先定義的模板圖像色彩中搜尋與待測圖像顏色能最佳匹配者，以確定待測圖像顏色的歸屬。

顏色識別應(yīng)用一般會預(yù)先學習各種模板圖像的顏色，并將其連同圖像標簽保存至數(shù)據(jù)庫中。通過將被測圖像的顏色信息與數(shù)據(jù)庫中的記錄進行比較，獲取與其最接近的記錄，并返回對應(yīng)的圖像標簽。

通過一個一個顏色識別的實例程序了解其使用方法，程序設(shè)計思路如下所示：

• 程序總體分為模板圖像顏色學習和顏色匹配兩部分，一開始先用For循環(huán)將存放在文件夾中的6幅模板圖像逐讀入內(nèi)存，并用IMAQ ColorLearn提取各圖像的色譜，以供后續(xù)匹配過程進行比較；

• 隨后，程序?qū)⒋郎y圖像UUT.jpg讀入內(nèi)存，并由For循環(huán)中的IMAQ ColorMatch計算其色譜，并與之前由IMAQ ColorLearn學習到的6個色譜逐一進行比較，以確定與之匹配的圖像；

• 由于IMAQ ColorMatch可對同一ROl中的多個輪廓進行顏色匹配，因此其返回的匹配標記（Flag）和匹配度分值（Score）均為數(shù)組，其元素的值與ROI中輪廓的順序?qū)?yīng)；

• 對于整幅圖像匹配來說，相當于只有一個ROl和一個輪廓，因此僅取首個元素的值即可。由于程序設(shè)置了匹配度的閾值為800，因此從運行結(jié)果可以看到，被測圖像的顏色與第5幅模板圖像的顏色最匹配。

程序?qū)崿F(xiàn)如下所示：

程序效果如下所示：

2

顏色檢驗

顏色檢測（Color Inspection）是指通過檢查產(chǎn)品顏色是否與預(yù)知色彩相同來實現(xiàn)產(chǎn)品的缺陷檢測。如檢測產(chǎn)品是否缺少或有放錯的彩色部件，搜索彩色部件以及進行彩色標簽的缺陷檢測等。

通過顏色檢測來檢查汽車保險絲安裝情況的實例，了解其使用方法，程序設(shè)計思路如下所示：

• 程序一開始先讀取黃色保險絲模板圖像，并用IMAQ ColorLearn學習模板圖像的色譜；

• 此后，While循環(huán)逐個將待測圖像文件夾中的圖像讀入內(nèi)存，并調(diào)用IMAQ ColorMatch進行顏色匹配；

• 由于指定的ROI中包含兩個對應(yīng)于待測保險絲位置的矩形輪廓，因此IMAQ ColorMatch返回的匹配標志和匹配分值數(shù)組中的前兩個元素有效，分別按順序?qū)?yīng)于對ROI中的兩個輪廓位置的檢測結(jié)果；

• 根據(jù)返回的匹配標志的值是否為真，可以清楚獲知每個位置上的保險絲是否被正確安裝。

  只有當兩個位置上的保險絲均被正確安裝時，整個測試才能通過。

程序?qū)崿F(xiàn)如下所示：

程序能檢查第二行的第二和第三個位置是否正確安裝了型號為20的黃色保險絲。下面效果還顯示了檢測到ROI第一個輪廓對應(yīng)位置未安裝保險絲的情況。同樣，當這兩個位置安裝的保險絲為其他類型時，測試也不能通過。