算子find_shpe_model参数详解

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

• Image : 你所要搜索兴趣物的图象（图像路径是文件的全路径，用海康威视拍摄出来的图像后缀为.bmp）
• ModelID : 模板句柄
• AngleStart ：搜索时的起始角度（旋转模板）；AngleExtent : 模板旋转角度范围  ；AngleStep ：旋转角度的步长（越小匹配时间越长，范围：0<= α <= pi/16）
• MinScore : 越大搜索的就越快。如果模板在图像中没有被遮挡，MinScore可以设置为0.8，甚至为0.9
• NumMatches : 模板上能找到模板的最大个数
• MaxOverlap : 意思是允许的最大重叠区域，像下图这样    → 这里推荐一篇关于这个参数的详解

•  SubPixel : 确定找到的目标是否使用亚像素精度提取。如果其值为‘none’ / ‘false’，模板位置仅仅是像素精度和在create_shape_model中定义的角度分辨率。如果其值为 ‘interpolation’ / ‘true’，位置和角度都是亚像素精度的。在这种模式下模板的位姿是在匹配分数函数中插值运算得到的,这种模式耗费时间较少且精度足够。但是，在精度要求极高的应用中，模板的位姿应该通过最小二乘法确定，即模板点到相关图像点的距离最小。其值分别有'least_squares', 'least_squares_high', 'least_squares_very_high'。其级别越高，耗时越长。一般情况下，使用’least_squares’能达到时间和精度的平衡
•  NumLevels : 金字塔级别。当NumLevels=0时，使用创建模板时的金字塔级别。另外，NumLevels还可以包含第二个参数，这个参数定义了找到匹配模板的最低金字塔级别。例如：NumLevels=[4,2]表示在第4层开始匹配，在第2层找到匹配（其默认值为1），这种方式降低运行时间，但是这种模式下的位姿参数是精度较低的
• Greediness : 确定搜索时的 “贪婪程度”。如果Greediness=0，使用一个安全的启发式搜索，该方式总能找到模板，但耗时较长。一般情况下，将Greediness=0.9，这样几乎所有的情况，总能够找到模板      →关于以上三个参数如果想做进一步探索这里推荐一篇文章
• Row,Column, Angle, Score : 输出匹配位置的行和列坐标、弧度、得分。  注意：弧度和角度不是一个东西！角度=180°×弧度/pi。Halcon算子 tuple_deg 可以将弧度转角度！    → 关于Row、Column之间的关系这里推荐一篇博客