说说Halcon的形状匹配和灰度匹配

本人用Halcon差不多有10年了，从当时的Halcon8用到现在的Halcon20，大大小小的很多的工业视觉应用场景都经历过，主要有两类：
第一类：运动控制类设备，如激光焊接和雕刻，丝印机，贴片机，数控机床等自动化设备，视觉就是模板匹配，先做好Mark点，然后在生产中快速进行形状或者灰度模板匹配，定位产品的位置，最后进行焊接或者贴合的工艺动作。这种设备量产最多，市场同行之间竞争很激烈，基本上是标准机，对模板匹配的速度和精度都有很高的要求，一台机器里往往有几个相机和十几个轴，对成本控制的非常严格。
第二类：AOI检测设备，如检孔机、PCB和手机玻璃外观检测，目前很多是非标机，根据客户要求来订制光源镜头相机，视觉功力要深厚些，基本上是先定位，再检测。定位用到的很多是形状或者灰度匹配。
说到这里，回到本文的主题，到底形状和灰度有什么差别或者优缺点呢？Halcon的算子的参数怎么设定呢？可以分别应用在什么场合呢？市场上商用的其他工业软件库品牌收费和特点怎样呢？
推荐看看中国的Malcon跟德国的Halcon的相比的优缺点
https://blog.csdn.net/lindrs/article/details/114113280

模板匹配特点：
形状匹配，find_shape_model，顾名思义，就是用产品的形状来做匹配，或者说是产品边缘来做匹配，Halcon的形状匹配可以做到即使存在严重遮挡、混乱或非线性光照变化，也能实现极高的识别率；
灰度匹配，find_ncc_model，就是框什么就识别什么，不仅识别产品的边缘，也识别产品本身的内部的信息，即使存在线性均匀的光照变化，也能识别，非线性的光照变化的话，识别不了，出来的分数很低，有个相似度的公式，比较复杂，这里就不做说明，感兴趣可以网上搜索下，很多资料。

优缺点和应用场合分析：
形状匹配：Halcon的识别算法有个公式，在其帮助文档里，大概原理是在做产品模板时候提取每个边缘点的XY方向信息和梯度值，然后在生产时，先计算搜索图的每一个点的XY方向信息和梯度值，在每一个点的位置上，循环