基础-MVP定位-模板比对算子

MVP中模板比对算子主要完成模板区域与检测区域之间的差异检测。
可应用于缺陷检测、图像差异检测等。
模板比对一般结合模板匹配一起使用，模板匹配给模板比对提供位置信息，模板比对进行比对检测差异。

参数配置和使用：
模板匹配分为建模和比对两个过程。
建模：需要导入图像和“模板匹配”的结果
训练新模板，模板匹配训练成功后将匹配信息传给模板比对算子。
再运行一次才可以把参数传给比对算子。
该参数的意义：模板比对算子可以利用模板匹配的参数定位到比对的区域。

比对：
在模板比对的配置界面可以设置模板的路径，
点击单张训练，进入训练界面。可移动ROI款选需要比对的区域，
绝对阈值：适当增加绝对阈值，表示对图像的亮度变化容忍度较大，（灰度差）
方差阈值：增加边缘阈值，表示对图像内特征的边缘强度容忍度较大，（方差阈值过大，对边缘的容忍度过大，会导致一些很明显不合格的边缘区域被认为合格，这时可重新训练模板，将方差阈值改为0，表示对边缘强度0容忍）
点击确定，完成训练，将根据阈值参数，通过模板图像的训练，得到两张阈值图像，一张最大阈值图，和一张最小阈值图。对每个待比对的像素点，分别与最大阈值图和最小阈值图上对应像素点的灰度值相比对，最小阈值与最大阈值组成一个合格区间，再根据极性参数，判断待比对像素点是否合格。

极性参数：
无极性：在合格区间外的像素点被认为不合格，
高于阈值上限：灰度值大于合格区间的像素点，才被认为不合格。
低于阈值下限：灰度值小于合格区间的像素点，才被认为不合格。
被认为不合格的图像上会叠加缺陷检测框。

比对方法：
图像分块比对，将检测区域切分成一个个矩形区域进行比对，
选择此方法时，将根据分块水平像素与纵向像素决定分块的大小。
当分块内不合格的像素个数大于像素阈值，则该分块不合格。对于不合格的分块，将在图像上叠加绿色检测框。

梯度比对，将图像做差后，通过阈值分割的方式提取缺陷区域。

算子还可配置是否忽略边缘。
忽略边缘主要是由于边缘处，灰度变化剧烈，在不需要边缘比较的情况下，可选择忽略，进而减少对比对结果的干扰。该参数默认为0，表示不忽略，选为1，表示忽略。
忽略之后部分边缘处不会叠加检测框，但还有些边缘依旧有缺陷检测框叠加，这是因为忽略边缘，忽略的是模板图中一些边缘点的比对，而非整个分块，是否有缺陷框叠加，却决于分块内除边缘点外不合格的像素点个数。

当期望匹配的区域发生偏移时，会利用模板匹配定位到该区域进行检测，
当比对方法为梯度比对时，分块像素参数会失效。
运行，将对不合格的像素点取连通域，若联通域内的像素点个数大于像素阈值，则认为该练连通域不合格。会用最小外接矩形框出，比对后将不合格的像素点灰度值赋为255，合格的赋值为0形成差图，可以查看差图

在配置的结果界面，可查看不合格的区域数量，以及匹配分数还可查看各个区域的点阵。
将模板匹配的输出参数拉到结果界面查看其值，也可以将参数传给其他算子。