＜Halcon＞基于形状和轮廓的模板匹配

1、模板匹配

模板就是一副已知的小图像，而模板匹配就是在一副大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像元素，通过一定的算法可以在图中找到目标，确定其坐标位置。

2、模板匹配方法

• 基于形状的匹配
• 基于轮廓的匹配
• 基于灰度的匹配
• 基于组件的匹配
• 基于互相关匹配

3、基于形状和轮廓的匹配

1、创建ROI

①标准形状

• draw_rectangle1/2
• draw_circle
• draw_ellipse
• draw_line

②任意形状

• draw_region
• draw_polygon

③生成标准ROI

• gen_rectangle1/2
• gen_circle
• gen_ellipse
• gen_region_line

④通过XLD创建AOI

• gen_region_contour_xld
• gen_region_polygon_xld

2、创建匹配模板

create_shape_model(Template , // 模板图像 
	NumLevels, // 图像金字塔 
	AngleStart, // 起始角度 
	AngleExtent, // 角度范围 
	AngleStep, // 角度步长 
	Optimization, // 优化算法 
	Metric, // 极性 
	Contrast, // 对比度 
	MinContrast， // 最小对比度 
	ModelID // 生成模板ID) 

3、匹配模板

find_shape_model(Image, // 匹配图像 
	ModelID, //模板句柄
	AngleStart,  // 起始角度
	AngleExtent,  //角度范围 
	MinScore,  // 最低得分输出的匹配的得分Score 大于该值
	NumMatches,  // 匹配数量 
	MaxOverlap,  // 最大重叠
	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0.9，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。

4、实例
（1）模板

（2）创建程序

dev_update_off ()
dev_close_window ()
read_image (Image, 'F:/培训/Halcon培训/Test/b7.png')
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width/4, Height/4, 'black', WindowHandle)
dev_display (Image)
gen_empty_obj(Models)
*模板数量数组，模板的下标从1开始
IndexS:=[]
*第n个模型的数量
IndexE:=[]
ModelIDs:=[]
*创建ROI
gen_rectangle1 (ROI_0, 1330.27, 953.165, 1611.85, 1414.88)
area_center (ROI_0, Area, Row, Column)
reduce_domain (Image, ROI_0, ImageReduced)
mean_image (ImageReduced, ImageMean, 5, 5)
*创建模板
create_shape_model (ImageReduced, 'auto', rad(0), rad(360), 'auto', 'auto', 'ignore_local_polarity', 'auto', 'auto', ModelID)
*获得模板
get_shape_model_contours (ModelContours, ModelID, 1)
count_obj (ModelContours, Number)
count_obj (Models, Number1)
concat_obj (Models, ModelContours, Models)
IndexS:=[IndexS,Number1+1]
IndexE:=[IndexE,Number+Number1]
ModelIDs:=[ModelIDs,ModelID]

dev_close_window ()
dev_open_window (0, 0, Width/4, Height/4, 'black', WindowHandle1)
*read_image (Image2, 'F:/培训/Halcon培训/Test/b17.png')
dev_display (Image)
gen_rectangle1 (ROI_1, 1302.41, 298.09, 1564.95, 650.634)
area_center (ROI_1, Area1, Row1, Column1)
reduce_domain (Image, ROI_1, ImageReduced1)
threshold (ImageReduced1, Regions1, 170, 255)
erosion_circle (Regions1, RegionErosion, 3.5)
connection (RegionErosion, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 50000, 99999)
shape_trans (SelectedRegions, RegionTrans, 'convex')
dilation_circle (RegionTrans, RegionDilation, 4)
*获得xld
gen_contour_region_xld (RegionDilation, Contours, 'border')
*由于region创建模板效果差，创建xld模板
create_shape_model_xld (Contours, 'auto', rad(0), rad(360), 'auto', 'auto', 'ignore_local_polarity', 5, ModelID1)
get_shape_model_contours (ModelContours1, ModelID1, 1)
select_shape_xld (ModelContours1, SelectedXLD, 'contlength', 'and', 1000, 99999)
count_obj (SelectedXLD, Number2)
count_obj (Models, Number3)
concat_obj (Models, SelectedXLD, Models)
IndexS:=[IndexS,Number3+1]
IndexE:=[IndexE,Number2+Number3]
ModelIDs:=[ModelIDs,ModelID1]
for i := 1 to 25 by 1
    read_image (Image1, 'F:/培训/Halcon培训/Test/b'+i+'.png')
    dev_display (Image1)
    *寻找模板
    find_shape_models (Image1, ModelIDs, rad(0), rad(360), 0.8, 0, 0.5, 'least_squares', 0, 0.9, Row2, Column2, Angle, Score, Model)
    Num:=|Score|
    for j:= 0 to Num-1 by 1
        copy_obj (Models, ModelSelected, IndexS[Model[j]], IndexE[Model[j]]-IndexS[Model[j]]+1)
        *从点和角度计算刚性仿射变换
        vector_angle_to_rigid (0, 0, 0, Row2[j], Column2[j], Angle[j], HomMat2D)
        *对XLD等值线应用任意的二维仿射变换
        affine_trans_contour_xld (ModelSelected, ContoursAffineTrans, HomMat2D)
    endfor
endfor

（3）结果

4、参数分析