本发明涉及软件管理系统领域，尤其涉及基于旋转匹配的高速标识检测算法。
背景技术：
1、标识常以印刷图像的形式出现在各类产品的包装或表面上，起到标识产品品牌、代表品牌形象、提示产品信息等作用。在工业印刷的过程中标识图像可能因环境杂质或机器问题出现破损、划痕、污点等印刷缺陷，具有缺陷的标识图像可能影响产品信息的辨识以及给消费者留下不良印象，所以有必要控制具有标识印刷缺陷的产品的数量，避免过多缺陷品流向市场。随着消费者对产品质量的要求提高，大部分塑料盖，铝盖和铝塑盖生产厂家都开始购买高速质量检测机进行质量检测，其中标识缺陷是检测中的难点。
2、在申请号为cn111855700a，公开的“一种基于智能手机的产品抽检标识缺陷检测系统”，该申请中解决了现有的当前产品抽检过程中标识缺陷检测依靠人工的现状问题，但是该申请中的图像处理算法是通过网络通信在远程进行，在实际中，现有的算法大多没有进行二值化处理，这导致计算量过大，匹配速度较慢，影响了检测效率。其次，标识特征提取的方法不够精确，特征不稳定，容易受到图像质量、大小和角度等因素的影响，从而降低了匹配的准确性和检测效果。
技术实现思路
1、针对现有技术的不足，本发明提供了基于旋转匹配的高速标识检测算法，解决了目前标识检测算法存在计算量过大、匹配速度较慢的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：基于旋转匹配的高速标识检测算法，包括以下步骤：
3、s10：加载标识图片：相机拍照后，触发回调函数，软件开始取图；
4、s20：二值化处理：获取到标识图片后，对标识进行增强二值化处理，尤其是对模糊边缘进行增强，把标识转为为只有0和1的二值通道，大幅减少计算量，增加后续标识匹配速度；
5、s30：提取特征环：从二值化后的图像中提取特征环，包括标识的角点、边缘等具有独特性的局部信息，以加快匹配速度；
6、s40：旋转匹配：对新到来的图像进行二值化处理，然后进行旋转匹配，通过角点匹配、边缘匹配等方法进行匹配，以提高匹配速度和准确性；
7、s50：标识缺损检测：如果标识存在缺损，采用形状分析、对比匹配等算法，实现标识缺损检测和混标识检测。
8、优选的，所述s10步骤中，当相机拍照后，会通过一种触发机制，如光学传感器或电子信号，通知软件开始取图。这时，软件会启动一个回调函数，该函数负责处理相机传输过来的图像数据。
9、优选的，所述s10步骤中，回调函数首先接收图像数据，这通常是以字节形式的数据。接下来，回调函数会将这些数据转换为图像格式，如 opencv 中的 bgr 格式。然后，对该图像进行预处理，如降噪、缩放等操作，在完成图像预处理后，回调函数会将图像存储到内存中，供后续步骤使用。
10、优选的，所述s20步骤中，在进行二值化处理之前，首先对图像进行预处理，如滤波、去噪、锐化等操作，这些预处理方法有助于去除图像中的噪声和模糊，从而提高二值化处理的效果。
11、优选的，所述s30步骤中，在二值化处理之后，旋转匹配技术会对图像中的特征点进行检测，如角点、边缘、轮廓等。这些特征点是图像中具有独特性质的点，它们在图像旋转、缩放等变换过程中具有不变性。通过对特征点的检测和描述，可以实现图像间的匹配。
12、优选的，所述s30步骤中，在提取角点时，可以采用尺度不变特征变换（sift）算法，它具有旋转、缩放不变性，适用于各种复杂场景。
13、优选的，所述s40步骤中，旋转匹配过程包括角点匹配、边缘匹配等方法。角点匹配通过比较新图像与模板图像的角点位置进行匹配，而边缘匹配则依据新图像与模板图像的边缘信息进行匹配。这些匹配方法可以有效地提高匹配速度和准确性。
14、优选的，所述s50步骤中，标识缺损检测和混标识检测是通过形状分析、对比匹配等算法实现。在进行形状分析时，可以采用轮廓匹配、区域特征分析等方法；对比匹配则可以利用相似性度量算法，如欧氏距离、归一化互相关等，来判断标识图像的相似性。
15、有益效果
16、本发明提供了基于旋转匹配的高速标识检测算法。与现有技术相比具备以下有益效果：
17、1、本发明中，通过二值化处理和特征环降维，显著提高了标识匹配速度。二值化处理使得标识图像简化为只有0和1的二值通道，大幅减少了计算量。特征环降维则提取了标识图像中具有独特性的局部信息，如角点、边缘等，进一步优化了匹配过程。这些改进使得高速检测设备能够在短时间内完成对大量标识图像的检测，提升了生产效率。此外，优化后的算法在处理复杂场景时具有更高的性能表现，有助于提高检测设备的适应性；
18、2、本发明中，通过采用旋转匹配技术以及角点匹配、边缘匹配等多种匹配方法，提高了标识检测的准确性和稳定性。旋转匹配技术使得检测设备能够适应图像的旋转、缩放等变换，提高了匹配的准确性和速度。角点匹配和边缘匹配则利用了图像中不变的特征点，增强了匹配的可靠性。这些匹配方法在降低误报和漏报风险的同时，确保了检测结果的准确性和稳定性。此外，特征环降维有助于提高匹配的精准度，使得检测结果更加可靠。
1.基于旋转匹配的高速标识检测算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s10步骤中，当相机拍照后，会通过一种触发机制，如光学传感器或电子信号，通知软件开始取图。这时，软件会启动一个回调函数，该函数负责处理相机传输过来的图像数据。
3.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s10步骤中，回调函数首先接收图像数据，这通常是以字节形式的数据。接下来，回调函数会将这些数据转换为图像格式，如 opencv 中的 bgr 格式。然后，对该图像进行预处理，如降噪、缩放等操作，在完成图像预处理后，回调函数会将图像存储到内存中，供后续步骤使用。
4.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s20步骤中，在进行二值化处理之前，首先对图像进行预处理，如滤波、去噪、锐化等操作，这些预处理方法有助于去除图像中的噪声和模糊，从而提高二值化处理的效果。
5.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s30步骤中，在二值化处理之后，旋转匹配技术会对图像中的特征点进行检测，如角点、边缘、轮廓等。这些特征点是图像中具有独特性质的点，它们在图像旋转、缩放等变换过程中具有不变性。通过对特征点的检测和描述，可以实现图像间的匹配。
6.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s30步骤中，在提取角点时，可以采用尺度不变特征变换（sift）算法，它具有旋转、缩放不变性，适用于各种复杂场景。
7.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s40步骤中，旋转匹配过程包括角点匹配、边缘匹配等方法。角点匹配通过比较新图像与模板图像的角点位置进行匹配，而边缘匹配则依据新图像与模板图像的边缘信息进行匹配。这些匹配方法可以有效地提高匹配速度和准确性。
8.根据权利要求1所述的基于旋转匹配的高速标识检测算法，其特征在于：所述s50步骤中，标识缺损检测和混标识检测是通过形状分析、对比匹配等算法实现。在进行形状分析时，可以采用轮廓匹配、区域特征分析等方法；对比匹配则可以利用相似性度量算法，如欧氏距离、归一化互相关等，来判断标识图像的相似性。
