相关性原理:首先创建一个模板,把模板里每一个像素当成一个特征,所有像素按列组成一个行向量a,即模板的特征向量。在图像中寻找与模板最匹配的区域b,通过cos\theta=\vec{a}.\vec{b}/|\vec{a}||\vec{b}|,即两个向量之间的夹角来衡量匹配的好坏。说白了,基于互相关其实是一个概率的计算,即通过公式计算roi区域(模板)与待测图之间的相似度。越接近1,两块区域相似度越高。否则,相似度越低。
应用场合:适用于光照不均匀,明暗变化大且背景不能太复杂的场合。适用于光照不均匀,明暗变化大且背景不能太复杂的场合。搜索对象有轻微的变形,大量的纹理,图像模糊等场合,速度快,精度低。
重要函数一:
创建模板:create_ncc_model( Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Metric : ModelID)
参数列表:
Template(in):单通道灰度图像(68),它的区域可被创建为模板
NumLevels(in):金字塔的最大层级,层数越多,搜索的越快。
AngleStart(in):模板的最小旋转
AngleExtent(in):旋转角度范围
AngleStep(in):角度步长
Metric(in):匹配标准默认 ‘use_polarity’ 使用全局,如果图像对比度不好,可用忽略
Halcon之基于互相关模板匹配
最新推荐文章于 2024-08-21 17:33:21 发布
本文介绍了Halcon的基于互相关的模板匹配方法,该方法利用特征向量的夹角来衡量匹配程度,适用于光照不均匀和图像有轻微变形的场景。文章详细解析了创建模板的`create_ncc_model`函数和寻找模板的`find_ncc_model`函数,包括各参数的作用和意义。通过使用这些函数,可以在图像中快速寻找并定位模板。
摘要由CSDN通过智能技术生成