visionpro官方示例分析（二） 模板匹配工具参数调节

1.需求：找到图像中的这个零件。

2.大致思路：使用CogPMAlignTool工具，先训练出一个模板，然后使用模板对图像进行匹配。
3.步骤：
添加CogPMAlignTool工具，将输入图像给到工具。

选择一张清晰的图像作为模板图像进行训练。


把角度设置成-180到180deg范围，缩放设置成0.6到1.6范围。这样模板匹配的范围更广，不会受图像位姿和大小的影响。

运行。




会发现，有的可以识别出来，有的识别不出来。
下面就需要调节各个参数，识别出所有图像中的该零件了。
首先，勾选“忽略极性”，再次训练模板。


这张图像原本是识别不出来的，现在识别出来了。
这里分析一下原因。模板图像和这张图像的区别是，模板图像的背景颜色是黑色的，零件较背景颜色亮；这张图像的背景颜色是白色的，零件较背景颜色暗。
极性是指特征图形到背景的颜色过渡情况，对于模板图像来说，它的极性是由亮过渡到暗；对于这张图像来说，它的极性是由暗过渡到亮。因此模板图像的极性与这张图像的极性并不相同，如果我们不忽略极性的话，就无法进行匹配。
当然，勾选忽略极性会增大模板匹配的适应范围，但是，同时也损失了时间，试想一下，原本通过极性这一条件被排除在外的图像现在需要考虑在内了，查找时间自然就增加了。

仍然有图像识别不出来。

以最后一张图为例，图中有3个零件，但是只能识别出其中1个。这是因为查找概数默认参数为1，这样的话，工具只会到图像中去找到一个与模板匹配的区域，找到的这个区域一定是打分最高的区域。我们这张图中有3个零件，因此需要把查找概数设置成3。

再次运行，会发现这次可以找出两个零件，但是其中有一个零件是红色的，这是因为该零件的分数为0.484低于接受阈值，我们试着将接受阈值设置成0.4，再次运行。

这次就可以全部识别出来了。

这张图片太模糊了，仍然识别不出来。

这可怎么办啊！！！别慌，还有参数。计分时考虑杂斑，杂斑指的是影响模板匹配的噪声，直观上理解就是杂斑使图像看起来很糊，杂斑过多会影响得分，计分时考虑杂斑会拉高得分。我们取消该选项的选择，再次运行。

识别出来了。

又出问题了，这张图中会多识别，这是因为我们把接受阈值调得太低了，我们还是调回0.5。

将粗糙度接受阈值调节为0.2，再次运行，就可以识别出来所有的零件了。