halcon学习之形状匹配

算子

create_shape_model（）

创建一个用于匹配的形状模型

create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)

参数

Template：

NumLevels：金字塔越高层，识别对象使用的点的数量越少，识别速度越快，但前提是要能把目标正确识别出来。

AngleStart：匹配开始时，模板先以AngleStart的角度在图片上寻找目标对象，完成以后，模板旋转AngleStep角度，继续匹配，以此类推，一直旋转到AngleStart+AngleExtent角度为止。

AngleExtent：参考AngleStart。

AngleStep：参考AngleStart。

Optimization：如果设为none，那么将存储模型所有的点，这么一来，会影响速度，而如果设为其他选项，则会相应减少存储的点，加快匹配运算速度。只是可能需要在后续的find_shape_model（）算子中把greedy设为较小的值。

Metric：根据对比度选择匹配对象，例如，白底黑对象，是否只匹配白底黑对象，还是说只要形状一致，黑底白对象也会被选择。

Contrast：对象与背景的灰度值之差要大于此值。

MinContrast：该参数将模型与图像中的噪声分离开来。因此，一个很好的选择是图像中噪声引起的灰度值变化范围。例如，如果灰度值在10个灰度级范围内波动，则MinContrast应设置为10。

ModelID：生成的句柄

---

determine_shape_model_params（）

确定形状模型的具体参数。

由于使用create_shape_model()创造形状模型时，很多参数都是使用auto值，而如果想确定这个auto具体是等于多少，可以使用该指令。

---

find_shape_model（）

在图像中找到形状模型的最佳匹配

find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)

参数

Image：匹配目标的图像。

ModelID:匹配句柄。

AngleStart：参考create_shape_model（）。

AngleExtent：参考create_shape_model（）。

MinScore：目标匹配分数必须大于此值才能被认为是目标对象。

NumberMatches：当设为0，表示要搜索图像上所有分数大于MinScore的对象，否则，按照设定值去搜索目标对象。

MaxOverlap:如果两个目标对象发生层叠，那么按照0-1的分数评判二者层叠的程度，如果层叠程度小于此值，那么返回两个对象，如果大于此值，则返回最佳实例。如想返回所有实例，可以设为1.

SubPixel：决定是否应该以亚像素精度提取实例。

NumLevels：匹配中使用的金字塔层数，如果设为0，则使用create_shape_model（）时的金字塔层数。

Greediness：当值为0时，速度慢，但该捡出来的对象都会检出。当值为1，检索速度最快，但可能漏检对象。

Row, Column, Angle, Score：目标对象的横列坐标，角度和分数。

---