Halcon模板匹配

本文详细介绍了Halcon的模板匹配技术,包括基于形状、相关性、组件、局部形变和描述符的模板匹配方法。通过实例演示了创建形状模型、搜索形状模型的过程,并展示了匹配结果。实验结果显示了模板匹配在图像识别中的应用。
摘要由CSDN通过智能技术生成

学习目标:

学习和掌握Halcon是如何进行模板匹配的。主要包括基于形状的模板匹配,基于相关性的模板匹配,基于组件的模板匹配,基于局部形变的模板匹配,以及基于描述符的模板匹配。


学习内容:

1,基于形状的模板匹配

dev_close_window()

read_image (Holesboard, 'C:/Users/15383/Desktop/halcon/data/holesBoard.jpg')

rgb1_to_gray(Holesboard, GrayImage)

dev_open_window(0, 0, 512, 512, 'black', WindowHandle)
dev_set_draw('margin')
dev_set_line_width(3)

dev_display(GrayImage)

gen_rectangle1 (ROI_0, 699.083, 948.619, 901.05, 1156.77)

reduce_domain(GrayImage, ROI_0, ImageReduced)


crop_domain(ImageReduced, ImagePart)

*测试金字塔的层级参数
inspect_shape_model(ImagePart, ModelImages, ModelRegions, 4, 30)
* create_shape_model(
* Template  : : //reduce_domain后的模板图像
* NumLevels ,//金字塔的层数,可设为“auto”或0—10的整数
* AngleStart ,//模板旋转的起始角度
* AngleExtent ,//模板旋转角度范围, >=0
* AngleStep ,//旋转角度的步长, >=0 and <=pi/16
* Optimization ,//设置模板优化和模板创建方法
* Metric , //匹配方法设置
* Contrast ,//设置对比度
* MinContrast  ://设置最小对比度
* ModelID  ) //输出模板句柄
create_shape_model(ImageReduced, 'auto', -0.39, 0.79, 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)

get_shape_model_contours (ModelContours, ModelID, 1)//**返回形状模型的轮廓

dev_display (ModelContours)  //展示提取的模板轮廓,我的显示位置在图像(0,0)的位置,缩小就能看到

stop()

read_image (Holesboardnoise, 'C:/Users/15383/Desktop/halcon/data/holesBoardNoise.jpg')
* find_shape_model(Image, //搜索图像
*  ModelID, //模板句柄
*  AngleStart, // 搜索时的起始角度
*  AngleExtent, //搜索时的角度范围,必须与创建模板时的有交集
*  MinScore, //最小匹配值,输出的匹配的得分Score 大于该值
*  NumMatches, //定义要输出的匹配的最大个数
*  MaxOverlap, //当找到的目标存在重叠时,且重叠大于该值时选择一个好的输出
*  SubPixel, //计算精度的设置,五种模式,多选2,3
*  NumLevels, //搜索时金字塔的层数
*  Greediness : //贪婪度,搜索启发式,一般都设为0.8,越高速度快,容易出现找不到的情况
*  Row,Column, Angle, Score) //输出匹配位置的行和列坐标、角度、得分。
find_shape_model(Holesboardnoise, ModelID, -0.39, 0.79, 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)

dev_display_shape_matching_results (ModelID, 'red', Row, Column, Angle, 1, 1, 0)

clear_shape_model(ModelID)

实验结果得出图像: 

2,基于


学习参考链接:

https://blog.csdn.net/weixin_43197380/article/details/90053756

https://blog.csdn.net/weixin_43197380/article/details/90053756

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值