基於halcon的模板匹配方法總結
1. shape-based matching的基本流程
⑴ 首先確定出roi的矩形區域，這裡只需要確定矩形的左上點和右下點的座標即可，gen_rectangle1()這個函式就會幫助你生成乙個矩形，利用area_center()找到這個矩形的中心；
⑵ 然後需要從影象中獲取這個矩形區域的影象，reduce_domain()會得到這個roi；這之後就可以對這個矩形建立模板，而在建立模板之前，可以先對這個區域進行一些處理，方便以後的建模，比如閾值分割，數學形態學的一些處理等等；
⑶ 接下來就可以利用create_shape_model()來建立模板了，這個函式有許多引數，其中金字塔的級數由numlevels指定，值越大則找到物體的時間越少，anglestart和angleextent決定可能的旋轉範圍，anglestep指定角度範圍搜尋的步長；這裡需要提醒的是，在任何情況下，模板應適合主記憶體，搜尋時間會縮短。對特別大的模板，用optimization來減少模板點的數量是很有用的；minconstrast將模板從影象的雜訊中分離出來，如果灰度值的波動範圍是10，則minconstrast應當設為10；metric引數決定模板識別的條件，如果設為』use_polarity』，則影象中的物體和模板必須有相同的對比度；建立好模板後，這時還需要監視模板，用inspect_shape_model()來完成，它檢查引數的適用性，還能幫助找到合適的引數；另外，還需要獲得這個模板的輪廓，用於後面的匹配，get_shape_model_contours()則會很容易的幫我們找到模板的輪廓；
⑷ 建立好模板後，就可以開啟另一幅影象，來進行模板匹配了。這個過程也就是在新影象中尋找與模板匹配的影象部分，這部分的工作就由函式find_shape_model()來承擔了，它也擁有許多的引數，這些引數都影響著尋找模板的速度和精度。這個的功能就是在一幅圖中找出最佳匹配的模板，返回乙個模板例項的長、寬和旋轉角度。其中引數subpixel決定是否精確到亞畫素級，設為』interpolation』，則會精確到，這個模式不會占用太多時間，若需要更精確，則可設為』least_square』,』lease_square_high』，但這樣會增加額外的時間，因此，這需要在時間和精度上作個折中，需要和實際聯絡起來。比較重要的兩個引數是minsocre和greediness，前乙個用來分析模板的旋轉對稱和它們之間的相似度，值越大，則越相似，後乙個是搜尋貪婪度，這個值在很大程度上影響著搜尋速度，若為0，則為啟發式搜尋，很耗時，若為1，則為不安全搜尋，但最快。在大多數情況下，在能夠匹配的情況下，盡可能的增大其值。
⑸ 找到之後，還需要對其進行轉化，使之能夠顯示，這兩個函式vector_angle_to_rigid()和affine_trans_contour_xld()在這裡就起這個作用。前乙個是從乙個點和角度計算乙個剛體仿射變換，這個函式從匹配函式的結果中對構造乙個剛體仿射變換很有用，把參考影象變為當前影象。
其詳細的流程圖和中間引數，如下圖所示：（無法上傳）
2. 基於形狀匹配的引數關係與優化
在halcon的說明資料裡講到了這些引數的作用以及關係，在上面提到的文章中也作了介紹，這裡主要是重複說明一下這些引數的作用，再強調一下它們影響匹配速度的程度；
在為了提高速度而設定引數之前，有必要找出那些在所有測試影象中匹配成功的設定，這時需考慮以下情況：
① 必須保證物體在影象邊緣處截斷，也就是保證輪廓的清晰，這些可以通過形態學的一些方法來處理；
② 如果greediness值設的太高，就找不到其中一些可見物體，這時最後將其設為0來執行完全搜尋；
③ 物體是否有封閉區域，如果要求物體在任何狀態下都能被識別，則應減小minscore值；
④ 判斷在金字塔最高端上的匹配是否失敗，可以通過find_shape_model（）減小numlevels值來測試；
⑤ 物體是否具有較低的對比度，如果要求物體在任何狀態下都能被識別，則應減小mincontrast值；
⑥ 判斷是否全域性地或者區域性地轉化對比度極性，如果需要在任何狀態下都能被識別，則應給引數metric設定乙個合適的值；
⑦ 物體是否與物體的其他例項重疊，如果需要在任何狀態下都能識別物體，則應增加maxoverlap值；
⑧ 判斷是否在相同物體上找到多個匹配值，如果物體幾乎是對稱的，則需要控制旋轉範圍；
如何加快搜尋匹配，需要在這些引數中進行合理的搭配，有以下方法可以參考：
① 只要匹配成功，則盡可能增加引數minscore的值；
② 增加greediness值直到匹配失敗，同時在需要時減小minscore值；
③ 如果有可能，在建立模板時使用乙個大的numlevels，即將影象多分幾個金字塔級；
④ 限定允許的旋轉範圍和大小範圍，在呼叫find_shape_model（）時調整相應的引數；
⑤ 盡量限定搜尋roi的區域；
基於HALCON的模板匹配方法總結
1.shape based matching的基本流程 首先確定出roi的矩形區域，這裡只需要確定矩形的左上點和右下點的座標即可，gen rectangle1 這個函式就會幫助你生成乙個矩形，利用area center 找到這個矩形的中心 然後需要從影象中獲取這個矩形區域的影象，reduce dom...
基於HALCON的模板匹配方法總結
德國 mvtec 公司開發的 halcon 機器視覺開發軟體，提供了許多的功能，在這裡我主要學習和研究了其中的形狀匹配的演算法和流程。hdevelop 開發環境中提供的匹配的方法主要有三種，即 component based gray value based shape based,分別是基於元件 ...
Halcon中模板匹配方法的總結歸納
基於元件的模板匹配 應用場合 元件匹配是形狀匹配的擴充套件，但不支援大小縮放匹配，一般用於多個物件 工件 定位的場合。演算法步驟 1.獲取元件模型裡的初始控制項 gen initial components 引數 modelimage input 初始元件的 initialcomponents ou...