對於工業應用來說，往往需要用到形狀匹配來達到定位功能，visionpro的patmax演算法，halcon的形狀匹配演算法都是基於邊緣的模版匹配。halcon中的形狀匹配具有良好的魯棒性，穩定，準確，快速的特點。opencv中雖然也有形狀匹配演算法，但是，是基於七階不變矩來計算輪廓相似度，具有旋轉縮放不變性。因此，無法求出目標形狀的旋轉和縮放係數。並且對於形狀變換不大的輪廓也很難區分開，比如圓形和正方形。
下面說下實現帶旋轉和縮放的形狀匹配演算法的主要流程
1.獲取模版
（1）.對模板影象進行一系列旋轉，縮放，以及金字塔下取樣，生成一系列不同旋轉角度，縮放係數，以及金字塔層數的模板。
（2）.提取模板的邊緣。依據canny演算法的原理，提取邊緣點。
（3）.計算邊緣點在的x，y方向的梯度值以及總的梯度值。
（4）.儲存邊緣點對應的x，y梯度，並將梯度強度歸一化處理以消除光照不均的影響(1除以該點梯度強度，這樣得到的值都是[0,1]區間內的值)並將邊緣點座標轉換為相對於重心的相對座標
經過以上操作，我們便建立好了一系列旋轉，縮放，以及不同金字塔層模版。
2，模版匹配
（1）.計算搜尋影象邊緣點梯度資訊。同獲取模板 （2）（3）。
（2）.金字塔下取樣，得到多級金字塔影象的邊緣點梯度資訊，再分別進行（1）。
（3）.這步是最重要的，通過 歸一化交叉相關(ncc) 演算法計算模板邊緣梯度和目標影象邊緣梯度向量的相關性。
而且該演算法得到的值就是匹配相關性的得分，分值範圍在[0,1]，具體實現可以去看**。其實就是使用事先生成的一些列模板讓重心在搜尋影象中平移，每移動一步計算一下邊緣點對應的梯度向量相關性。找到評分最高的點就是匹配到形狀的重心。所用模板的旋轉和縮放係數，就對應搜尋影象中目標的旋轉和縮放。其中金字塔用來對演算法進行加速。先在頂層金字塔進行快速搜尋匹配得到乙個匹配位置，然後在下一層金字塔進行匹配的時候就能在該區域的roi內進行搜尋，以此類推，直到最底層。通過金字塔可以大大加快匹配速度。在搜尋匹配過程中還採用了一種停止條件用來提高速度，如果計算邊緣點梯度相似性過程中得分過低，就可以跳過後續邊緣點的計算，直接移動到下乙個位置。
模板匹配加速方法 opencv
本文 背景概述 opencv中自帶的模板匹配演算法，完全是畫素基本的模板匹配，特別容易受到光照影響，光照稍微有所不同，該方法就會歇菜了！搞得很多opencv初學者剛學習到該方法時候很開心，一用該方法馬上很傷心，悲喜交加，充分感受到了理想與現實的距離，不過沒關係，這裡介紹一種新的模板匹配演算法，主要是...
OpenCV模板匹配
include include opencv2 opencv.hpp using namespace std using namespace cv int main int argc,char argv load reference image img imread argv 1 always ch...
opencv模板匹配
模板匹配是一種用於在源影象s中尋找定位給定目標影象t 即模板影象 的技術。其原理很簡單，就是通過一些相似度準則來衡量兩個影象塊之間的相似度similarity s,t 2.用途 模板匹配方法常用於一些平面影象處理中，例如印刷中的數字 工業零器件等小尺寸目標影象識別分類。3.方法 模板匹配中，源影象和...