Halcon的形状模板匹配

基本流程：

（1）确定出ROI的矩形区域，这里只需要确定矩形的左上角和右下角的坐标即可，gen_rectangle1()这个函数会帮忙生成一个矩形，利用area_center找到矩形的中心；

（2）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；接下来可以对这个矩形建立模板，在建立模板之前，可以先对这个区域进行一些预处理；

（3）创建模板，使用create_shape_model（）：

       a. 金字塔的级数由Numlevels指定，值越大找到物体的时间越少；

       b.AngleStart和AngleExtent决定可能的旋转范围，如果物体几乎是对称的，则需要控制旋转范围，

        AngleStep指定角度范围搜索的步长（此为弧度非角度，模板越大，角度步长越小；要求越精确，步长越小；步长越小，占用内存越多，定位速度越慢，如果没有特殊要求，可选“auto”让系统做最佳选择）；

       c. Optimization： 对于特别大的模板，可以使用Optimization减少模板点的数量，以边缘较多为减少的原则

        none:不减少像素

        point_reduction_low: 大约一半点

       point_reduction_medium：大约1/3

      point_reduction_high: 大约1/4

       d. MinContrast: 模板的对比度；

       e. Metric（度量）：决定模板识别的条件， 如果图像的光线有变化，则需要调整这个参数，

           设为‘use_polarity’，则图像中的物体和模板必须具有相同的对比度，生成的模板只有一个目标；

          设为“ignore_global_palarity”:生成的模板由两个目标，一个是原图，另一个是灰度值取反，黑的变白，白的变黑

         设为“ignore_local_polarity”生成的模板有三个目标，一个原图，一个灰度值取反，一个灰度值渐变，由于这种模式下find_shape_model函数的运行时间显著增加，最好的方法是使用create_shape_model 创建几个反映目标的可能的对比度变化的模型，同时使用find_shape_models去匹配他们。

       f. 判断物体是否与物体的其他实例重叠，如果在任何状态下都能识别物体，则应该增加MaxOverlap值；     

使用inspect_shape_model 来监视模板，检查参数的适用性，还能帮助找到合适的参数；

      使用get_shape_model_contours会帮我们找到模板的轮廓；

     

（4）进行模板匹配，使用find_shape_model，在图像中找到最佳匹配的模板，返回一个模板实例的长、宽和旋转角度，

      a.subPixel：设置为“interpolation”则精确到亚像素级，若需要更精确，则设为“least_square”,''least_square_high'，这样会增加额外的时间。

    b. MinScore: 分析模板的旋转对称和它们的相似度，值越大，则越相似

        贪婪度：很大程序上影响搜索速度，设为0---》启发式搜索，比较耗时；设为1---》不安全搜索，但最快。所以在能够匹配的情况下，尽可能增大其值，建议取值0.7-0.9。

（5）找到模板之后，还需要对其进行转化，使之能够显示，使用以下两个函数

   a.vector_angle_to_rigid()  从点和角度计算一个刚体仿射变换

   b.affine_trans_contour_xld()