学习记录 Halcon 模板匹配算子
一.创建模板算子
1.创建ncc模板
create_ncc_model( Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Metric : ModelID )
参数介绍：
Template（in）：搜索的图像，要作为模板的图案
NumLevels（in）：金字塔的最大层级（如果NumLevels设置为'auto'或0,create_ncc_model自动确定金字塔级别的数量）
AngleStart（in）： 指定起始角度（弧度）
AngleExtent（in）：相对于旋转角度的范围
AngleStep（in）：角度步长（如果选择AngleStep = 'auto'或0,create_ncc_model将根据模型的大小自动确定合适的角度步长。可以使用get_ncc_model_params查询自动计算的角度步长）
Metric（in）：匹配标准 'use_polarity'目标和背景的灰度关系（必须保持模板和要匹配的区域灰度关系相同）
‘ ignore_global_polarity ’，对比度完全逆转也就是物体比背景颜色深，也可以找到它
ModelID（out）：模板句柄
2.创建shape模板
create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast,MinContrast : ModelID)
参数介绍：
Template（in）：搜索的图像，要作为模板的图案
NumLevels（in）：金字塔的最大层级（如果NumLevels设置为'auto'或0,create_ncc_model自动确定金字塔级别的数量）
AngleStart（in）： 指定起始角度（弧度）
AngleExtent（in） ：相对于旋转角度的范围
AngleStep（in）：角度步长（如果选择AngleStep = 'auto'或0,create_ncc_model将根据模型的大小自动确定合适的角度步长。可以使用get_ncc_model_params查询自动计算的角度步长）
Optimization（in）：设置模板优化和模板创建方法
Metric（in）：匹配方法设置 'use_polarity'目标和背景的灰度关系（必须保持模板和要匹配的区域灰度关系相同）
‘ ignore_global_polarity ’，对比度完全逆转也就是物体比背景颜色深，也可以找到它
Contrast（in）：设置对比度（可以通过inspect_shape_modelinspect_shape_model算子确定对比度）
MinContrast（in）：设置最小对比度（对于灰度差距不大时，使用低对比度）
ModelID（out）：输出模板句柄
3.创建shape 可缩放模板
create_scaled_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleMin, ScaleMax,ScaleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
参数介绍：
Template（in）：搜索的图像，要作为模板的图案
NumLevels（in）：金字塔的最大层级（如果NumLevels设置为'auto'或0,create_ncc_model自动确定金字塔级别的数量）
AngleStart（in）： 指定起始角度（弧度）
AngleExtent（in） ：相对于旋转角度的范围
AngleStep（in）：角度步长（如果选择AngleStep = 'auto'或0,create_ncc_model将根据模型的大小自动确定合适的角度步长。可以使用get_ncc_model_params查询自动计算的角度步长）
ScaleMin（in）：缩放最小值
ScaleMax（in）：缩放最大值
ScaleStep（in）：缩放步长
Optimization（in）：设置模板优化和模板创建方法
Metric（in）：匹配方法设置 'use_polarity'目标和背景的灰度关系（必须保持模板和要匹配的区域灰度关系相同）
‘ ignore_global_polarity ’，对比度完全逆转也就是物体比背景颜色深，也可以找到它
Contrast（in）：设置对比度（可以通过inspect_shape_modelinspect_shape_model算子确定对比度）
MinContrast（in）：设置最小对比度（对于灰度差距不大时，使用低对比度）
ModelID（out）：输出模板句柄
二、匹配模板算子
1.查找ncc模型
find_ncc_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels: Row, Column, Angle,Score)
参数介绍：
Image（in）：要搜索的图像
ModelID（in）：模板句柄
AngleStart（in）：模板的最小旋转（与模板设置的参数相同）
AngleExtent（in）：旋转角度范围（与模板设置的参数相同）
MinScore（in）：被找到的模板最小分数（匹配的精度，给的值越大，匹配的越准确）
NumMatches（in）：被找到的模板个数（如果给0，则输出所有可能的结果）
MaxOverlap（in）：被找到的模板实例最大重叠部分
SubPixel（in）：亚像素级别标志，true,false
NumLevels（in）：金字塔层级数
Row（out）：被找到的模板实例行坐标
Column（out）：被找到的模板实例列坐标
Angle（out）：被找到的模板实例的旋转角度（相对于模板旋转的角度）
Score（out）：被找到的模板实例的分数（ 找到的模型实例的得分，得分越高匹配越准确）
2.查找shape模型
find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel,NumLevels, Greediness : Row, Column, Angle, Score)
参数介绍：
Image（in）：要搜索的图像
ModelID（in）：模板句柄
AngleStart（in）：模板的最小旋转（与模板设置的参数相同）
AngleExtent（in）：旋转角度范围（与模板设置的参数相同）
MinScore（in）：被找到的模板最小分数（匹配的精度，给的值越大，匹配的越准确）
NumMatches（in）：被找到的模板个数（如果给0，则输出所有可能的结果）
MaxOverlap（in）：被找到的模板实例最大重叠部分
SubPixel（in）：亚像素级别标志（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）
NumLevels（in）：金字塔层级数
Greediness （in）：贪婪程度（值越大的时候，查找的越快，查找的越粗略）
Row（out）：被找到的模板实例行坐标
Column（out）：被找到的模板实例列坐标
Angle（out）：被找到的模板实例的旋转角度（相对于模板旋转的角度）
Score（out）：被找到的模板实例的分数（ 找到的模型实例的得分，得分越高匹配越准确）
3.查找shape缩放模型
find_scaled_shape_model(Image : : ModelID, AngleStart, AngleExtent, ScaleMin,ScaleMax,MinScore, NumMatches, MaxOverlap, SubPixel,NumLevels, Greediness : Row, Column, Angle, Scale,Score)
Image（in）：要搜索的图像
ModelID（in）：模板句柄
AngleStart（in）：模板的最小旋转（与模板设置的参数相同）
AngleExtent（in）：旋转角度范围（与模板设置的参数相同）
ScaleMin（in）：缩放的最小值
ScaleMax（in）：缩放的最大值
MinScore（in）：被找到的模板最小分数（匹配的精度，给的值越大，匹配的越准确）
NumMatches（in）：被找到的模板个数（如果给0，则输出所有可能的结果）
MaxOverlap（in）：被找到的模板实例最大重叠部分
SubPixel（in）：亚像素级别标志（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）
NumLevels（in）：金字塔层级数
Greediness （in）：贪婪程度（值越大的时候，查找的越快，查找的越粗略）
Row（out）：被找到的模板实例行坐标
Column（out）：被找到的模板实例列坐标
Angle（out）：被找到的模板实例的旋转角度（相对于模板旋转的角度）
Scale（out）：找到的实例是模板的倍数
Score（out）：被找到的模板实例的分数（ 找到的模型实例的得分，得分越高匹配越准确）