手机屏幕贴合项目（ni视觉如何找矩形的角坐标）

首先，我们存储了cg和dito感兴趣八个角图像的模板，用来匹配位置。

cover指的是cg的四个角模板，lcm是dito四个角匹配模板。模板大概样子如下（cg的一个角）：

其次，我们采集的8副图像（m_DlgCCDViewArr[2][4]）中一定包含匹配模板的特征。

好，我们分析代码如何找角坐标：

第一，m_DlgCCDViewArr[i][j].MatchImage()；在图像中找模板

1，调用ni匹配角度限制：MatchPatternOptions options;
    RotationAngleRange rr[2];
    PointFloat poinf;
    float    angle;    
    float angleRangeMin[2] = { pMainDlg->m_MatchOption.anglelower,0 };
    float angleRangeMax[2] = { pMainDlg->m_MatchOption.angleupper,0 };

for (int i = 0 ; i < 2 ; i++)
    {
        rr[i].lower = angleRangeMin[i];
        rr[i].upper = angleRangeMax[i];
    }

2，ni匹配初始设置：

 options.mode =IMAQ_MATCH_SHIFT_INVARIANT;//尺度不变
 options.minContrast =5;// pMainDlg->m_MatchOption.minContrast;最小对比度
    options.angleRanges=rr;角度范围限制
    options.numRanges = 2;
    options.subpixelAccuracy=FALSE;亚像素
    options.numMatchesRequested = 1;
    options.matchFactor =pMainDlg->m_MatchOption.matchFactor;
    options.minMatchScore =pMainDlg->m_MatchOption.minMatchScore; //800;

3，调用ni图像库匹配：（ni喜欢用imaq开头）

 int numMatches = 0;

    PatternMatch* matchInfo=NULL;
    matchInfo = imaqMatchPattern2(m_imgBase, m_imgTemplate, &options,NULL,IMAQ_NO_RECT, &numMatches);//OK

第二，匹配到后，找直线，应该调用ni图像处理库的抓线卡尺： 

1，   this->SearchGauge();

ni图像处理库，还是很复杂，我们捡重点说（我觉得初学用visionpro比较好）： FindStraightEdge2();

IVA_FindStraightEdge2(/*roi*/m_rcCurrAreaX,m_AdvEdgeOptionX,l1st,l1en,l1ang);

IVA_FindStraightEdge2(/*roi*/m_rcCurrAreaY,m_AdvEdgeOptionY,l2st,l2en,l2ang);  

2，     imaqGetIntersection(l1st,l1en,l2en,    l2st,&m_Intersection);找到两条线的十字交叉点，其实模板的样子如下：细节上不同

第三，十字交叉点找到了，要通过标定，把像素坐标变换毫米坐标。

这IVA_FindStraightEdge2函数显然是ni的找直线卡尺了，到此，ni的匹配，ni的找直线，和ni的十字交叉点就解释清楚了。

想一想，如果我们自己不用ni，我们最先能实现的肯定是十字交叉点，再就是找直线，初学，匹配肯定是搞不定的。

实际上，在产品万千次生产重复中，我们其实用不到匹配，因为每次的产品细节上不可能差错，显然，以为找直线卡尺有弹性范围，只用直线卡尺，就能搞定问题。因为机器和产品稳定后，轻易不可能动，这个道理是显而易见的。

图像处理算法千千万，当掉落到现实中，我们可能只用那么一点点，所以所有现实的制约，是极有好处的，在自动化中，我们常常会利用这种制约条件，机器视觉也不例外。（所有的制约如果推翻，我们需要重新制造，我们不生产iphone4了，我们要生产iphone4s，iphone5，但实际仍然走的是这条路，大多数是相似，甚至相同，不需要改变，利用制约，顺其自然，一旦我们走上正轨，很多时候，都是在走重复的路，反复的遵从理想而要去创造历史，大多会失败，因为理想是无条件的，新路都是老路上长出来的，好像有人这么说过！）

所以，学习视觉，先懂那么一点点，日积月累。因为人的欲望会把自己压垮，排的满满的，实际是，大多数情况就像，看守机台，大多数情况不会有问题，没事，去小憩一会，一个人看几十台，没一点问题，人生就是这样，如果你在偷的半日闲中，如果领悟了无上的妙理，诗句，或者一点技术，或者一点勇气，其实这辈子就够用了。

其实人生就开挂了，从零到一，从前笨的自己好像变聪明了。

如果有人天天盯着你做事，或者你不放过自己，偷不了那半日闲（小憩），释然的心态去学习，pay attion to 当下（其实就是机器视觉roi），0到1很难跨过去

但无论何时，人生总会从0到1.

其实从机器视觉到人工智能，实际就是iphone4到iphone14，理解这个东西，我花了近十年时间，因为人工智能出现的很多新名词，你都可以在机器视觉（计算机视觉）中找到原型。

原型，prototype。在生产制造中，你经常会看到。我曾经在富士康看到过这个单词，但当时我不认识！

从理想到原型机，这就是我们的人生！

下一节，我们聊一聊图像封装类，待续