HALCON 模板匹配的总结

学习和掌握Halcon是如何进行模板匹配的。主要包括基于形状的模板匹配，基于相关性的模板匹配，基于组件的模板匹配，基于局部形变的模板匹配，以及基于描述符的模板匹配。

HALCON提供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，这往往也是要牺牲匹配速度的，这个后面再讲。基本流程是这样的，如下所示：
⑴ 首先确定出ROI的矩形区域，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用area_center()找到这个矩形的中心；

⑵ 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进行一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等；

reduce_domain算子：

reduce_domain ( Image, Region : ImageReduced : : ) 
其中，Image是输入的图像；Region是输入的区域；ImageReduced是输出的图像，是Image中Region的那部分图像。

通过reduce_domain确实能获得特定区域Region位置的图像，但是，reduce_domain是缩小一个图像的定义域，并不缩小图像的实际尺寸，即新图像ImageReduced尺寸大小并未发生变化。如果使用get_image_size来计算ImageReduced图像的尺寸，其尺寸和 原图Image一样。
　　并且，包括一系列的domain算子，比如change_domain，均不改变图像矩阵的大小。
crop_domain算子：

crop_domain ( Image : ImagePart : : ) 
Image是输入的原始图像；ImagePart是输出的最小外界正矩形的图像，也就是说，如果一副大图上，就一块区域有值，其他区域均没有值。通过调用该函数，能够将有值的区域以最小外界正矩形的方式返回，而剪掉那些没有值的区域。

crop_domain能够对图像的尺寸进行剪裁。而且，其一系列的domain算子均能对图像尺寸进行剪裁。

reduce_domain 和 crop_domain 可以配合使用

一般来说，如果想要得到某个ROI区域的小图，且对小图的尺寸有要求时，需要特别注意，配合使用上述两个函数。比如说要调用傅立叶变换对小图进行分析。

⑶ 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中分离出来，如果灰度值的波动范围是10，则MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为’use_polarity’，则图像中的物体和模板必须有相同的对比度；创建好模板后，这时还需要监视模板，用inspect_shape_model()来完成，它检查参数的适用性，还能帮助找到合适的参数；另外，还需要获得这个模板的轮廓，用于后面的匹配，get_shape_model_contours()则会很容易的帮我们找到模板的轮廓；
 

⑷ 创建好模板后，就可以打开另一幅图像，来进行模板匹配了。这个过程也就是在新图像中寻找与模板匹配的图像部分，这部分的工作就由函数find_shape_model()来承担了，它也拥有许多的参数，这些参数都影响着寻找模板的速度和精度。这个的功能就是在一幅图中找出最佳匹配的模板，返回一个模板实例的长、宽和旋转角度。其中参数SubPixel决定是否精确到亚像素级，设为’interpolation’，则会精确到，这个模式不会占用太多时间，若需要更精确，则可设为’least_square’,’lease_square_high’，但这样会增加额外的时间，因此，这需要在时间和精度上作个折中，需要和实际联系起来。比较重要的两个参数是MinSocre和Greediness，前一个用来分析模板的旋转对称和它们之间的相似度，值越大，则越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，若为0，则为启发式搜索，很耗时，若为1，则为不安全搜索，但最快。在大多数情况下，在能够匹配的情况下，尽可能的增大其值。
⑸ 找到之后，还需要对其进行转化，使之能够显示，这两个函数vector_angle_to_rigid()和affine_trans_contour_xld()在这里就起这个作用。前一个是从一个点和角度计算一个刚体仿射变换，这个函数从匹配函数的结果中对构造一个刚体仿射变换很有用，把参考图像变为当前图像。
 

学习参考链接：

​​​​​​Halcon中 reduce_domain算子和crop_domain算子的使用及配合_学习专栏，期待交流与成长-CSDN博客_reduce_domain算子

算子 create_shape_model & find_shape_model_好习惯成就伟大-CSDN博客_create_shape_model