1. 基於灰度值的模板匹配基本原理：
模板匹配，顧名思義，需要乙個模板。然後在影象中尋找與模板能匹配得上的區域。halcon中，基於灰度值的模板匹配的演算法中，演算法的基本原理比較簡單，就是簡單的灰度比對。找出灰度值與模板區域相近的區域作為找到的目標區域，具體演算法如下：
即，當error滿足閾值時，則該點與模板成功匹配。
2. 實戰演算法框架：
1. 選中模板區域，並將其建立為旋轉模板；
2. 運用模板匹配函式，尋找並標記處中的目標區域。
3. 實戰步驟：
1. 選中要尋找的目標的模板，比如下圖中的貼片電容（紅色框中區域）
2. 利用該roi區域建立乙個可旋轉的匹配模板，函式為create_template_rot，旋轉範圍，步長，金字塔級數自選等等。為了提高效率，基於該應用，由於貼片電容的位置只有水平和豎直兩種，所以步長設定為π/2。也就是說0-2π的範圍內，有4個方位的模板。
3. 之後利用匹配函式：best_match_rot_mg，進行再全圖中尋找與模板相似目標。while迴圈，終止條件為上公式中error值大於某閾值。最終匹配結果如下圖：
多目標模板匹配
一.模板匹配 模板匹配是數字影象處理的重要組成部分之一。把不同感測器或同一感測器在不同時間 不同成像條件下對同一景物獲取的兩幅或多幅影象在空間上對準,或根據已知模式到另一幅圖中尋找相應模式的處理方法就叫做模板匹配。簡單而言，模板就是一幅已知的小影象。模板匹配就是在一幅大影象中搜尋目標，已知該圖中有要...
基於Opencv的多目標跟蹤
python實現 import cv2 import sys major ver,minor ver,subminor ver cv2.version split print major ver,minor ver,subminor ver if name main 建立 boosting mil ...
基於粒子群演算法的多目標搜尋
工程優化問題，大多數問題屬於多目標優化問題。相對於單目標優化問題，多目標優化問題的顯著特徵是優化各個目標使其同時達到綜合的最優值。然而，由於多個目標有花紋的各個目標之間往往是衝突的。多目標優化問題求解中最重要的概念是非劣解和非劣解集 非劣解 noninferior solution 在多目標優化問題...