HALCON形狀匹配講解

1、HALCON形狀匹配講解樓主#更多 · 只看樓主· 倒序閱讀發(fā)布于：2013-07-21 22:29 窗體頂端保存 窗體底端該帖是加密帖,需要10金幣及以上的積分才能瀏覽以下內(nèi)容:很早就想總結(jié)一下前段時(shí)間學(xué)習(xí)HALCON的心得，但由于其他的事情總是抽不出時(shí)間。去年有過一段時(shí)間的集中學(xué)習(xí)，做了許多的練習(xí)和實(shí)驗(yàn)，并對(duì)基于HDevelop的形狀匹配算法的參數(shù)優(yōu)化進(jìn)行了研究，寫了一篇基于HDevelop的形狀匹配算法參數(shù)的優(yōu)化研究文章，總結(jié)了在形狀匹配過程中哪些參數(shù)影響到模板的搜索和匹配，又如何來(lái)協(xié)調(diào)這些參數(shù)來(lái)加快匹配過程，提高匹配的精度，這篇paper放到了中國(guó)論文在線了，需要可

2、以去下載。德國(guó)MVTec公司開發(fā)的HALCON機(jī)器視覺開發(fā)軟件，提供了許多的功能，在這里我主要學(xué)習(xí)和研究了其中的形狀匹配的算法和流程。HDevelop開發(fā)環(huán)境中提供的匹配的方法主要有三種，即Component-Based、Gray-Value-Based、Shape-Based,分別是基于組件（或成分、元素）的匹配，基于灰度值的匹配和基于形狀的匹配。這三種匹配的方法各具特點(diǎn)，分別適用于不同的圖像特征，但都有創(chuàng)建模板和尋找模板的相同過程。這三種方法里面，我主要就第三種基于形狀的匹配，做了許多的實(shí)驗(yàn)，因此也做了基于形狀匹配的物體識(shí)別，基于形狀匹配的視頻對(duì)象分割和基于形狀匹配的視頻對(duì)象跟蹤這些研究，

3、從中取得較好的效果，簡(jiǎn)化了用其他工具，比如VC+來(lái)開發(fā)的過程。在VC下往往針對(duì)不同的圖像格式，就會(huì)弄的很頭疼，更不用說(shuō)編寫圖像特征提取、模板建立和搜尋模板的代碼呢，我想其中間過程會(huì)很復(fù)雜，效果也不一定會(huì)顯著。下面我就具體地談?wù)劵贖ALCON的形狀匹配算法的研究和心得總結(jié)。1.       Shape-Based matching的基本流程HALCON提供的基于形狀匹配的算法主要是針對(duì)感興趣的小區(qū)域來(lái)建立模板，對(duì)整個(gè)圖像建立模板也可以，但這樣除非是對(duì)象在整個(gè)圖像中所占比例很大，比如像視頻會(huì)議中人體上半身這樣的圖像，我在后面的視頻對(duì)象跟蹤實(shí)驗(yàn)中就是針對(duì)整個(gè)圖像的，這

4、往往也是要犧牲匹配速度的，這個(gè)后面再講。基本流程是這樣的，如下所示： 首先確定出ROI的矩形區(qū)域，這里只需要確定矩形的左上點(diǎn)和右下點(diǎn)的坐標(biāo)即可，gen_rectangle1()這個(gè)函數(shù)就會(huì)幫助你生成一個(gè)矩形，利用area_center()找到這個(gè)矩形的中心； 然后需要從圖像中獲取這個(gè)矩形區(qū)域的圖像，reduce_domain()會(huì)得到這個(gè)ROI；這之后就可以對(duì)這個(gè)矩形建立模板，而在建立模板之前，可以先對(duì)這個(gè)區(qū)域進(jìn)行一些處理，方便以后的建模，比如閾值分割，數(shù)學(xué)形態(tài)學(xué)的一些處理等等； 接下來(lái)就可以利用create_shape_model()來(lái)創(chuàng)建模板了，這個(gè)函數(shù)有許多參數(shù)，其中金字塔的級(jí)數(shù)由Num

5、levels指定，值越大則找到物體的時(shí)間越少，AngleStart和AngleExtent決定可能的旋轉(zhuǎn)范圍，AngleStep指定角度范圍搜索的步長(zhǎng)；這里需要提醒的是，在任何情況下，模板應(yīng)適合主內(nèi)存，搜索時(shí)間會(huì)縮短。對(duì)特別大的模板，用Optimization來(lái)減少模板點(diǎn)的數(shù)量是很有用的；MinConstrast將模板從圖像的噪聲中分離出來(lái)，如果灰度值的波動(dòng)范圍是10，則MinConstrast應(yīng)當(dāng)設(shè)為10；Metric參數(shù)決定模板識(shí)別的條件，如果設(shè)為use_polarity，則圖像中的物體和模板必須有相同的對(duì)比度；創(chuàng)建好模板后，這時(shí)還需要監(jiān)視模板，用inspect_shape_model()

6、來(lái)完成，它檢查參數(shù)的適用性，還能幫助找到合適的參數(shù)；另外，還需要獲得這個(gè)模板的輪廓，用于后面的匹配，get_shape_model_contours()則會(huì)很容易的幫我們找到模板的輪廓； 創(chuàng)建好模板后，就可以打開另一幅圖像，來(lái)進(jìn)行模板匹配了。這個(gè)過程也就是在新圖像中尋找與模板匹配的圖像部分，這部分的工作就由函數(shù)find_shape_model()來(lái)承擔(dān)了，它也擁有許多的參數(shù)，這些參數(shù)都影響著尋找模板的速度和精度。這個(gè)的功能就是在一幅圖中找出最佳匹配的模板，返回一個(gè)模板實(shí)例的長(zhǎng)、寬和旋轉(zhuǎn)角度。其中參數(shù)SubPixel決定是否精確到亞像素級(jí)，設(shè)為interpolation，則會(huì)精確到，這個(gè)模式不會(huì)

7、占用太多時(shí)間，若需要更精確，則可設(shè)為least_square,lease_square_high，但這樣會(huì)增加額外的時(shí)間，因此，這需要在時(shí)間和精度上作個(gè)折中，需要和實(shí)際聯(lián)系起來(lái)。比較重要的兩個(gè)參數(shù)是MinSocre和Greediness，前一個(gè)用來(lái)分析模板的旋轉(zhuǎn)對(duì)稱和它們之間的相似度，值越大，則越相似，后一個(gè)是搜索貪婪度，這個(gè)值在很大程度上影響著搜索速度，若為0，則為啟發(fā)式搜索，很耗時(shí)，若為1，則為不安全搜索，但最快。在大多數(shù)情況下，在能夠匹配的情況下，盡可能的增大其值。 找到之后，還需要對(duì)其進(jìn)行轉(zhuǎn)化，使之能夠顯示，這兩個(gè)函數(shù)vector_angle_to_rigid()和affine_tra

8、ns_contour_xld()在這里就起這個(gè)作用。前一個(gè)是從一個(gè)點(diǎn)和角度計(jì)算一個(gè)剛體仿射變換，這個(gè)函數(shù)從匹配函數(shù)的結(jié)果中對(duì)構(gòu)造一個(gè)剛體仿射變換很有用，把參考圖像變?yōu)楫?dāng)前圖像。其詳細(xì)的流程圖和中間參數(shù)，如下圖所示：（無(wú)法上傳） 2.       基于形狀匹配的參數(shù)關(guān)系與優(yōu)化     在HALCON的說(shuō)明資料里講到了這些參數(shù)的作用以及關(guān)系，在上面提到的文章中也作了介紹，這里主要是重復(fù)說(shuō)明一下這些參數(shù)的作用，再?gòu)?qiáng)調(diào)一下它們影響匹配速度的程度；在為了提高速度而設(shè)置參數(shù)之前，有必要找出那些在所有測(cè)試圖像中匹配成功的設(shè)置，這時(shí)需考慮以

9、下情況：     必須保證物體在圖像邊緣處截?cái)啵簿褪潜ＷC輪廓的清晰，這些可以通過形態(tài)學(xué)的一些方法來(lái)處理；     如果Greediness值設(shè)的太高，就找不到其中一些可見物體，這時(shí)最后將其設(shè)為0來(lái)執(zhí)行完全搜索；     物體是否有封閉區(qū)域，如果要求物體在任何狀態(tài)下都能被識(shí)別，則應(yīng)減小MinScore值；     判斷在金字塔最高級(jí)上的匹配是否失敗，可以通過find_shape_model（）減小NumLevels值來(lái)測(cè)試；     物體是否具有較低的對(duì)比度，如果要求物體在任何狀態(tài)下都能被識(shí)別，

10、則應(yīng)減小MinContrast值；     判斷是否全局地或者局部地轉(zhuǎn)化對(duì)比度極性，如果需要在任何狀態(tài)下都能被識(shí)別，則應(yīng)給參數(shù)Metric設(shè)置一個(gè)合適的值；     物體是否與物體的其他實(shí)例重疊，如果需要在任何狀態(tài)下都能識(shí)別物體，則應(yīng)增加MaxOverlap值；     判斷是否在相同物體上找到多個(gè)匹配值，如果物體幾乎是對(duì)稱的，則需要控制旋轉(zhuǎn)范圍；如何加快搜索匹配，需要在這些參數(shù)中進(jìn)行合理的搭配，有以下方法可以參考：       只要匹配成功，則盡可能增加參數(shù)MinScore的值；   

11、0;   增加Greediness值直到匹配失敗，同時(shí)在需要時(shí)減小MinScore值；       如果有可能，在創(chuàng)建模板時(shí)使用一個(gè)大的NumLevels，即將圖像多分幾個(gè)金字塔級(jí)；       限定允許的旋轉(zhuǎn)范圍和大小范圍，在調(diào)用find_shape_model（）時(shí)調(diào)整相應(yīng)的參數(shù)；       盡量限定搜索ROI的區(qū)域；除上面介紹的以外，在保證能夠匹配的情況下，盡可能的增大Greediness的值，因?yàn)樵诤竺娴膶?shí)驗(yàn)中，用模板匹配進(jìn)行視頻對(duì)象跟蹤的過程中，這個(gè)值在很大程度上影響到匹配的速度。當(dāng)

12、然這些方法都需要跟實(shí)際聯(lián)系起來(lái)，不同圖像在匹配過程中也會(huì)有不同的匹配效果，在具體到某些應(yīng)用，不同的硬件設(shè)施也會(huì)對(duì)這個(gè)匹配算法提出新的要求，所以需要不斷地去嘗試。在接下來(lái)我會(huì)結(jié)合自己做的具體的實(shí)驗(yàn)來(lái)如何利用HALCON來(lái)進(jìn)行實(shí)驗(yàn)，主要是在視頻對(duì)象分割和視頻對(duì)象的跟蹤方面。待續(xù)_ 例子：區(qū)分硬幣 Example: solution_guide/basics/matching_coins.hdev 見附件trainmodel.hdev圖片：xzppsl.jpgcreate_shape_model(const Hobject&  Template ,  /redu

13、ce_domain后的模板圖像Hlong  NumLevels,  /金字塔的層數(shù)，可設(shè)為“auto”或010的整數(shù)Double  AngleStart,  /模板旋轉(zhuǎn)的起始角度Double  AngleExtent,  /模板旋轉(zhuǎn)角度范圍, >=0Double  AngleStep,  /旋轉(zhuǎn)角度的步長(zhǎng)， >=0 and <=pi/16const char*  Optimization,  /設(shè)置模板優(yōu)化和模板創(chuàng)建方法const char*  Metric,

14、60;/匹配方法設(shè)置Hlong  Contrast,  /設(shè)置對(duì)比度Hlong  MinContrast ,  /設(shè)置最小對(duì)比度Hlong*  ModelID )  /輸出模板句柄 進(jìn)一步分析：NumLevels越大，找到匹配使用的時(shí)間就越小。另外必須保證最高層的圖像具有足夠的信息（至少四個(gè)點(diǎn)）?？梢酝ㄟ^inspect_shape_model函數(shù)查看設(shè)置的結(jié)果。如果最高層金字塔的消息太少，算法內(nèi)部會(huì)自動(dòng)減少金字塔層數(shù)，如果最底層金字塔的信息太少，函數(shù)就會(huì)報(bào)錯(cuò)。如果設(shè)為auto，算法會(huì)自動(dòng)計(jì)算金字塔的層數(shù)，我們可以通過get_

15、shape_model_params函數(shù)查看金字塔的層數(shù)。如果金字塔的層數(shù)太大，模板不容易識(shí)別出來(lái)，這是需要將find_shape_model函數(shù)中MinScore和Greediness參數(shù)設(shè)置的低一些。如果金字塔層數(shù)太少找到模板的時(shí)間會(huì)增加。可以先使用inspect_shape_model函數(shù)的輸出結(jié)果來(lái)選擇一個(gè)較好的金字塔層數(shù)。參數(shù)AngleStart、AngleExtent定義了模板可能發(fā)生旋轉(zhuǎn)的范圍。注意模板在find_shape_model函數(shù)中只能找到這個(gè)范圍內(nèi)的匹配。參數(shù)AngleStep定義了旋轉(zhuǎn)角度范圍內(nèi)的步長(zhǎng)。 如果在find_shape_model函數(shù)中沒有指定亞像素精度

16、，這個(gè)參數(shù)指定的精度是可以實(shí)現(xiàn)find_shape_mode函數(shù)中的角度的。參數(shù)AngleStep的選擇是基于目標(biāo)的大小的，如果模板圖像太小不能產(chǎn)生許多不同離散角度的圖像，因此對(duì)于較小的模板圖像AngleStep應(yīng)該設(shè)置的比較大。如果AngleExtent不是AngleStep的整數(shù)倍, 將會(huì)相應(yīng)的修改AngleStep。如果選擇 complete pregeneration ，不同角度的模板圖像將會(huì)產(chǎn)生并保存在內(nèi)存中。用來(lái)存儲(chǔ)模板的內(nèi)存與旋轉(zhuǎn)角度的數(shù)目和模板圖像的的點(diǎn)數(shù)是成正比的。 因此，如果AngleStep太小或是AngleExtent太大, 將會(huì)出現(xiàn)該模型不再適合（虛擬）內(nèi)存的情況。在

17、任何情況下，模型是完全適合主存儲(chǔ)器的，因?yàn)檫@避免了操作系統(tǒng)的內(nèi)存分頁(yè)，使得尋找匹配模板的時(shí)間變短。由于find_shape_model函數(shù)中的角度可以使用亞像素精度，一個(gè)直徑小于200像素的模板可以選擇AngleStep>= 1. 如果選擇AngleStep='auto' (or 0 向后兼容),create_shape_model將會(huì)基于模板的大小自動(dòng)定義一個(gè)合適的角度步長(zhǎng). 自動(dòng)計(jì)算出來(lái)的AngleStep可以使用get_shape_model_params函數(shù)查看。如果沒有選擇complete pregeneration, 該模型會(huì)在每一層金字塔上建立在一個(gè)參考的位

18、置。這樣在find_shape_model函數(shù)運(yùn)行時(shí)，該模型必須轉(zhuǎn)化為不同的角度和尺度在運(yùn)行時(shí)在。正因?yàn)槿绱?，匹配該模型可能需要更多的時(shí)間。對(duì)于特別大的模板圖像，將參數(shù)Optimization設(shè)置為不同于'none'的其他數(shù)值是非常有用的。如果Optimization= 'none', 所有的模型點(diǎn)將要存儲(chǔ)。在其他情況下, 按照Optimization的數(shù)值會(huì)將模型的點(diǎn)數(shù)減少. 如果模型點(diǎn)數(shù)變少了，必須在find_shape_model函數(shù)中將參數(shù)Greediness設(shè)為一個(gè)比較小的值, 比如：0.7、0.8。對(duì)于比較小的模型, 減少模型點(diǎn)數(shù)并不能提高搜索速度，

19、因?yàn)檫@種情況下通常顯著更多的潛在情況的模型必須進(jìn)行檢查。如果Optimization設(shè)置為'auto'， create_shape_model自動(dòng)確定模型的點(diǎn)數(shù)。Optimization的第二個(gè)值定義了模型是否進(jìn)行預(yù)處理（pregenerated completely），是通過選擇'pregeneration'或者'no_pregeneration'來(lái)設(shè)置的。如果不使用第二個(gè)值(例如：僅僅設(shè)置了第一個(gè)值), 默認(rèn)的是系統(tǒng)中的設(shè)置，是通過set_system('pregenerate _shape_models',.)來(lái)設(shè)置的，對(duì)于

20、默認(rèn)值是 ('pregenerate_shape_models' = 'false'), 模型沒有進(jìn)行預(yù)處理. 模型的預(yù)處理設(shè)置通常會(huì)導(dǎo)致比較低的運(yùn)行時(shí)間，因?yàn)槟Ｐ筒恍枰?在運(yùn)行時(shí)間時(shí)轉(zhuǎn)換。然而在這種情況下,內(nèi)存的要求和創(chuàng)建模板所需要的時(shí)間是比較高的。還應(yīng)該指出，不能指望這兩個(gè)模式返回完全相同的結(jié)果，因?yàn)樵谶\(yùn)行時(shí)變換一定會(huì)導(dǎo)致變換模型和預(yù)處理變換模型之間不同的內(nèi)部數(shù)據(jù)。比如，如果模型沒有 completely pregenerated，在find_shape_model函數(shù)中通常返回一個(gè)較低的scores，這可能需要將MinScore設(shè)置成一個(gè)較低的值。此外，在

21、兩個(gè)模型中插值法獲得的位置可能略有不同。如果希望是最高精確度，應(yīng)該使用最小二乘調(diào)整得到模型位置。參數(shù)Contras決定著模型點(diǎn)的對(duì)比度。對(duì)比度是用來(lái)測(cè)量目標(biāo)與背景之間和目標(biāo)不同部分之間局部的灰度值差異。Contrast的選擇應(yīng)該確保模板中的主要特征用于模型中。Contrast也可以是兩個(gè)數(shù)值，這時(shí)模板使用近似edges_image函數(shù)中滯后閾值的算法進(jìn)行分割。這里第一個(gè)數(shù)值是比較低的閾值，第二個(gè)數(shù)值是比較高的閾值。Contrast也可以包含第三個(gè)，這個(gè)數(shù)值是在基于組件尺寸選擇重要模型組件時(shí)所設(shè)置的閾值，比如，比指定的最小尺寸的點(diǎn)數(shù)還少的組件將被抑制。這個(gè)最小尺寸的閾值會(huì)在每相鄰的金字塔層之間除

22、以2。如果一個(gè)小的模型組件被抑制，但是不使用滯后閾值，然而在Contrast中必須指定三個(gè)數(shù)值，在這種情況下前兩個(gè)數(shù)值設(shè)置成相同的數(shù)值。這個(gè)參數(shù)的設(shè)置可以在inspect_shape_model函數(shù)中查看效果。如果Contrast設(shè)置為'auto'，create_shape_model將會(huì)自動(dòng)確定三個(gè)上面描述的數(shù)值。或者僅僅自動(dòng)設(shè)置對(duì)比度('auto_contrast')，滯后閾值('auto_contrast_hyst')或是最小尺寸('auto_min_size')中一個(gè)。其他沒有自動(dòng)設(shè)置的數(shù)值可以按照上面的格式再進(jìn)行設(shè)置。可

23、以允許各種組合，例如：如果設(shè)置 'auto_contrast','auto_min_size'，對(duì)比度和最小尺寸自動(dòng)確定；如果設(shè)置 'auto_min_size',20,30，最小尺寸會(huì)自動(dòng)設(shè)定，而滯后閾值被設(shè)為20和30。有時(shí)候可能對(duì)比度閾值自動(dòng)設(shè)置的結(jié)果是不滿意的，例如，由于一些具體應(yīng)用的原因當(dāng)某一個(gè)模型組件是被包含或是被抑制時(shí)，或是目標(biāo)包含幾種不同的對(duì)比度時(shí)，手動(dòng)設(shè)置這些參數(shù)效果會(huì)更好。因此對(duì)比度閾值可以使用determine_shape_model_params函數(shù)自動(dòng)確定，也可以在調(diào)用create_shape_model之前使用insp

24、ect_shape_mode函數(shù)檢查效果。MinContrast用來(lái)確定在執(zhí)行find_shape_model函數(shù)進(jìn)行識(shí)別時(shí)模型的哪一個(gè)對(duì)比度必須存在，也就是說(shuō)，這個(gè)參數(shù)將模型從噪聲圖像中分離出來(lái)。因此一個(gè)好的選擇應(yīng)該是在圖像中噪聲所引起的灰度變化范圍。例如，如果灰度浮動(dòng)在10個(gè)灰度級(jí)內(nèi)，MinContrast應(yīng)該設(shè)置成10。如果模板和搜索圖像是多通道圖像，Metric參數(shù)設(shè)置成'ignore_color_polarity'，在一個(gè)通道中的噪聲必須乘以通道個(gè)數(shù)的平方根再去設(shè)置MinContrast。例如，如果灰度值在一個(gè)通道的浮動(dòng)范圍是10個(gè)灰度級(jí)，圖像是三通道的，那么MinC

25、ontrast應(yīng)該設(shè)置為17。很顯然，MinContrast必須小于Contrast。如果要在對(duì)比度較低的圖像中識(shí)別模板，MinContrast必須設(shè)置為一個(gè)相對(duì)較小的數(shù)值。如果要是模板即使嚴(yán)重遮擋（occluded）也能識(shí)別出來(lái)，MinContrast應(yīng)該設(shè)置成一個(gè)比噪聲引起的灰度浮動(dòng)范圍略大的數(shù)值，這樣才能確保在find_shape_model函數(shù)中提取出模板準(zhǔn)確的位置和旋轉(zhuǎn)角度。如果MinContrast設(shè)置為'auto'，最小對(duì)比度會(huì)基于模板圖像中的噪聲自動(dòng)定義。因此自動(dòng)設(shè)定僅僅在搜索圖像和模板圖像噪聲近似時(shí)才可以使用。此外，在某些情況下為了遮擋的魯棒性，采用自動(dòng)設(shè)定數(shù)

26、值是比較好的。使用get_shape_model_params函數(shù)可以查詢自動(dòng)計(jì)算的最小對(duì)比度。參數(shù)Metric定義了在圖像中匹配模板的條件。如果Metric= 'use_polarity'，圖像中的目標(biāo)必須和模型具有一樣的對(duì)比度。例如，如果模型是一個(gè)亮的目標(biāo)在一個(gè)暗的背景上，那么僅僅那些比背景亮的目標(biāo)可以找到。如果Metric= 'ignore_global_polarity',在兩者對(duì)比度完全相反時(shí)也能找到目標(biāo)。在上面的例子中，如果目標(biāo)是比背景暗的也能將目標(biāo)找到。find_shape_model函數(shù)的運(yùn)行時(shí)間在這種情況下將會(huì)略微增加。如果Metric= &#

27、39;ignore_local_polarity', 即使局部對(duì)比度改變也能找到模型。例如，當(dāng)目標(biāo)包含一部分中等灰度，并且其中部分比較亮部分比較暗時(shí)，這種模式是非常有用的。由于這種模式下find_shape_model函數(shù)的運(yùn)行時(shí)間顯著增加，最好的方法是使用create_shape_model創(chuàng)建幾個(gè)反映目標(biāo)可能的對(duì)比度變化的模型，同時(shí)使用find_shape_models去匹配他們。上面三個(gè)metrics僅僅適用于單通道圖像。如果是多通道圖像作為模板圖像或搜索圖像，僅僅第一個(gè)通道被使用。如果Metric='ignore_color_polarity', 即使顏色對(duì)比度

28、局部變化也能找到模型。例如，當(dāng)目標(biāo)的部分區(qū)域顏色發(fā)生變化(e.g.從紅到綠)的情況。如果不能提前知道目標(biāo)在哪一個(gè)通道是可見的這種模式是非常有用的。在這種情況下find_shape_model函數(shù)的運(yùn)行時(shí)間也會(huì)急劇增加。'ignore_color_polarity'可以使用于具有任意通道數(shù)目的圖像中。如果使用于單通道圖像，他的效果和'ignore_loc al_polarity'是完全相同的。當(dāng)Metric= 'ignore_color_polarity' 時(shí)，create_shape_model創(chuàng)建的模板通道數(shù)目和find_shape_model

29、中的圖像通道數(shù)目可以是不同的。例如，可以使用綜合生成的單通道圖像創(chuàng)建模型。另外，這些通道不需要是經(jīng)過光譜細(xì)分(像RGB圖像)的。這些通道還可以包括具有在不同方向照亮同一個(gè)目標(biāo)所獲得的圖像。模型圖像Template的domain區(qū)域的重心是模板的初始位置，可以在set_shape_model_origin函數(shù)中設(shè)置不同的初始位置。   LIntExport Herror find_shape_model(const Hobject&  Image,  /搜索圖像Hlong  ModelID,  /模板句柄Double  

30、;AngleStart,  / 搜索時(shí)的起始角度Double  AngleExtent,  /搜索時(shí)的角度范圍，必須與創(chuàng)建模板時(shí)的有交集。Double  MinScore,  / 輸出的匹配的質(zhì)量系數(shù)Score 都得大于該值Hlong  NumMatches,  / 定義要輸出的匹配的最大個(gè)數(shù)Double  MaxOverlap,  / 當(dāng)找到的目標(biāo)存在重疊時(shí)，且重疊大于該值時(shí)選/擇一個(gè)好的輸出const char*  SubPixel,  / 計(jì)算精度的設(shè)置，五種模式，多選2，3Hl

31、ong  NumLevels,  / 搜索時(shí)金字塔的層數(shù)Double  Greediness ,  /貪婪度，搜索啟發(fā)式，一般都設(shè)為0.9，越高速度快                    /容易出現(xiàn)找不到的情況Halcon:HTuple*  Row,  /輸出匹配位置的行坐標(biāo)Halcon:HTuple*  Column,  /輸出匹配位置的列坐標(biāo)Halcon:HTuple*  Angle, &#

32、160;/輸出匹配角度Halcon:HTuple*  Score )  /輸出匹配質(zhì)量 進(jìn)一步分析：注意Row、Column的坐標(biāo)并不是模板在搜索圖像中的精確位置，因此不能直接使用他們。這些數(shù)值是為了創(chuàng)建變換矩陣被優(yōu)化后的，你可以用這個(gè)矩陣的匹配結(jié)果完成各種任務(wù)，比如調(diào)整后續(xù)步驟的ROI。Score是一個(gè)0到1之間的數(shù)，是模板在搜索圖像中可見比例的近似測(cè)量。如果模板的一半被遮擋，該值就不能超過0.5。Image的domain定義了模型參考點(diǎn)的搜索區(qū)域，模型參考點(diǎn)是在create_shape_model中用來(lái)創(chuàng)建模型的圖像的domain區(qū)域的重心。不考慮使用函數(shù)se

33、t_shape_model_origin設(shè)置不同的初始位置。在圖像domain區(qū)域的這些點(diǎn)內(nèi)搜索模型，其中模型完全屬于這幅圖像。這意味著如果模型超出圖像邊界，即使獲得的質(zhì)量系數(shù)(score)大于MinScore也不能找到模型。這種性能可以通過set_system('border_shape_models','true')改變，這樣那些超出圖像邊界，質(zhì)量系數(shù)大于MinScore的模型也能找到。這時(shí)那些在圖像外面的點(diǎn)看作是被遮擋了，可以降低質(zhì)量系數(shù)。在這種模式下搜索的時(shí)間將要增加。參數(shù)AngleStart和AngleExtent確定了模型搜索的旋轉(zhuǎn)角度，如果有必要，

34、旋轉(zhuǎn)的范圍會(huì)被截取成為create_shape_model函數(shù)中給定的旋轉(zhuǎn)范圍。這意味著創(chuàng)建模型和搜索時(shí)的角度范圍必須真正的重疊。在搜索時(shí)的角度范圍不會(huì)改變?yōu)槟?*pi的。為了簡(jiǎn)化介紹，在該段落剩下的部分所有角度都用度來(lái)表示，而在find_shape_model函數(shù)中使用弧度來(lái)設(shè)置的。因此，如果創(chuàng)建模板時(shí)，AngleStart=-20°、AngleExtent=40°，在搜索模板函數(shù)find_shape_model中設(shè)置AngleStart=350°、AngleExtent=20°，盡管角度模360后是重疊的，還是會(huì)找不到模板的。為了找到模板，在這個(gè)例子

35、中必須將AngleStart=350°改為AngleStart=-10°。參數(shù)MinScore定義模板匹配時(shí)至少有個(gè)什么樣的質(zhì)量系數(shù)才算是在圖像中找到模板。MinScore設(shè)置的越大,搜索的就越快。如果模板在圖像中沒有被遮擋，MinScore可以設(shè)置為0.8這么高甚至0.9。NumMatches定義了在圖像上找到模板的最大的個(gè)數(shù)。如果匹配時(shí)的質(zhì)量系數(shù)大于MinScore的目標(biāo)個(gè)數(shù)多于NumMatches，僅僅返回質(zhì)量系數(shù)最好的NumMatches個(gè)目標(biāo)位置。如果找的匹配目標(biāo)不足NumMatches，那么就只返回找到的這幾個(gè)。參數(shù)MinScore優(yōu)于NumMatches。如果模型具有對(duì)稱性，會(huì)在搜索圖像的同一位置和不同角度上找到多個(gè)與目標(biāo)匹配的區(qū)域。參數(shù)MaxOverlap是0到1之間的，定義了找到的兩個(gè)目標(biāo)區(qū)域最多重疊的系數(shù)，以便于把他們作為兩個(gè)不同的目標(biāo)區(qū)域分別返回。如果找到的兩個(gè)目標(biāo)區(qū)域彼此重疊并且大于MaxOverlap，僅僅返回效果最好的一個(gè)。重疊的計(jì)算方法是基于找到的目標(biāo)區(qū)域的任意方向的最小外接矩形(看smallest_rectangle2)。如果MaxOv