C# 调用halcon进行图像匹配算分

匹配的概念是相当简单的：在一张训练的图像中，一个所谓的模板被呈现。系统从这个模板中获得一个模型，然后这个模型被用来在搜索图像中去定位和模板相似的对象。依据所用的方法，这种方法能够适应光照、遮挡、变化的尺寸、位置和旋转，有甚者是模板部分的相对移动。

匹配的优势是其具有易用性、很强的鲁棒性和灵活性。匹配不要求对期望对象任何类型的分割，通过一些匹配方法，这些对象可以被定位，即使它们被其他对象所覆盖。还有就是，匹配仅仅有少量的参数，甚至这些参数在大多数情况下是被自动决定的，对于那些终端用户在机器视觉上有很少技能的应用而言，这些优势都将显得更加有诱惑力。

对于匹配，HALCON提供了不同的方法，选择要依靠图像数据和需要解决的任务。

lCorrelation-based-matching是基于灰度值和标准化的互相关。这里，线性光照变化时可以被应付的。算子的使用类似基于形状匹配的算子，比起基于形状匹配的优势是其对于纹理也能够处理。另一方面，对象仅仅能够被旋转，但不能被缩放，且方法仅限对于灰度值图像。另外，此方法对遮挡，杂物和非线性光照变化敏感。

lShape-based-matching代表着机器视觉的最新技术。不是用灰度值，而是沿着轮廓的特征被提取并被用来模型的产生和匹配。这样的效果就是这种方法对光照和对象灰度值变化是保持不变的，它可处理缺少对象部分，杂物，噪声，虚焦和轻微变形的模型。还有，多个实例可以被找到，并且多个模型可以被同时应用。此方法运行对象被旋转和缩放，并也可以被应用到多通道图像上。

lComponent-based-matching可以被认为高级的基于形状匹配：提高之处在于对象可以被认为多个部分组成，且其可以相对于彼此移动（旋转和转化）。一个简单的例子就是一对镊子，逻辑上其被认为识一个对象，但是物理上它是由两个部分组成的。基于组件匹配的匹配允许在一个搜索步骤中处理这样的组合对象。优势是相比于将部分作为不同模型来处理，改良了执行时间和增强了鲁棒性。但是与基于形状匹配相反，它不能处理虚焦的图像或者轻微变形的模型。

lLocal-deformable-matching与基于形状匹配是类似的，但是大的变形可以被处理并被返回。特别地，除了位置和得分，匹配还可以返回一个搜索图像关键部分的矫正版本，一个描述变形的向量场，和并找到模型实例的变形轮廓。

lPerspectie-deformable-matching也与基于形状匹配类似，但这里更强的透视变形可以被处理，不仅2D位姿，而是2D映射转化矩阵被返回。另外，透视变形匹配的矫正版本也是可行的。这里，不仅2D映射转化矩阵，而是对象的3D位姿也被返回。

lDescriptor-based-matching具有与透视变形匹配相同的目的，例如对于非标定情况下获取2D映射转化矩阵，并且在标定情况下获得3D位姿。主要的不同是点，而不是轮廓，被用来去创建和寻找模型，这样，对于纹理性很强的对象它是特别适合的，但不适合低纹理性的对象。相比于透视变形匹配，对于更大搜索空间更快，但精度会降低。

l3D-matching由不同的用3D数据作为模板匹配的方法组成。需要注意的是如果你在3D空间中搜索平面对象或者对象部分时，透视变形匹配或者基于描述符匹配是更快和更方便去用的选项。

lPoint-based-matching具有结合两个覆盖图像的目的。首先在两张图像中提取关键点，这些点作为实际匹配过程的输入，匹配的结果是从一张图像到另一张图像的映射，允许转化，旋转，缩放和透视变形。这个映射一般被用来去结合两张图像未一个单独更大的图像。当然，一张图像可以被看作为一个模板，另一张图像作为被寻找对象实例。基于点匹配能够处理没有标定的透视变形，但是需要更多的执行时间，其主要来源于关键点的提取。

基本概念

匹配被划为为如下的部分：

搜索2D模型（正交视图）

基于相关性的匹配

对虚焦，轻微的形变和线性光照变化保持不变，对纹理对象表现很好，但对杂质，遮挡，非线性关照变化，尺度变化，或者多通道图像是不起作用的

基于形状的匹配

对杂质，遮挡，非线性光照变化，尺度变化，虚焦和轻微的形变保持不变，并可以作用在多通道图像上。可以同时应用到多个模型上，但是对一些纹理是比较困难的。

基于组件的匹配

对象的组件有相对的运动。对杂质，遮挡，非线性光照变化和尺度变化保持不变。可以同时被应用到多个模型中，但是对一些纹理是困难的，也不作用于虚焦和形变。

局部变形匹配

返回的也是模型实例的形变。对杂质，遮挡，非线性光照变化，尺度变化和局部形变保持不变。可作用于多通道图像。

搜索2D模型（正交或者透视视图）

透视变形匹配

对杂质，遮挡，非线性光照变化，尺度，虚焦和透视形变保持不变，可作用于多通道图像，但对一些纹理是困难的。

基于描述符的匹配

对杂质，遮挡，非线性光照变化，尺度和透视形变保持不变，但是没有纹理是不起作用的，尤其是奇异点，并且对于虚焦或者多通道图像也是不起作用的。

搜索3D模型

3D匹配

---

搜索相对应点去结合覆盖图像（没有标定的拼接）

基于点匹配

---

图像匹配的一般步骤：

 

获取图像

对于训练和匹配，首先一张图像应该被获取。

创建（训练）模型

为了创建一个匹配模型，首先一个在训练图像中覆盖模板的ROI必须被指定，只有图像那些真正重要且稳定的部分才能被用来去训练。训练算子的输入时被剪切的图像和控制参数。模型的句柄是训练的输出，然后模型会被用来做及时搜索或者被存储在文件中。

寻找模型

已经创建（或加载）了一个模型，其就可以被用来在图像中定位对象，每种方法都会提供特定的方法去执行这个任务。如果一个或者多个对象被找到，它们的位姿（位置，旋转和尺度）或者2D映射转化矩阵，连同它们的得分，一切被返回。这些值可以是已经期望的值或者作为下一步视觉处理的输入，例如定位感兴趣区域。

销毁模型

当你不再需要匹配模型的时候，你应该摧毁它。例如，对于基于形状的匹配，你可以用clear_shape_model去销毁它。

 

//
//  File generated by HDevelop for HALCON/DOTNET (C#) Version 10.0
//

using HalconDotNet;

namespace VsHelper
{

        void Match()
        {
            HTuple Width, Height, WindowHandle3, Row1, Column1, Row2, Column2, hv_ModelId,row,col,angle,score;
            HObject GrayImage, roi1, ho_Image, ho_ModelRegion, ho_TemplateImage;
            HOperatorSet.ReadImage(out ho_Image, @"E:\文件整理\halconImg\1.png");
            HOperatorSet.GetImageSize(ho_Image, out Width, out Height);
            HOperatorSet.OpenWindow(0, 0, 400, 400, 0, "", "", out WindowHandle3);
            HDevWindowStack.Push(WindowHandle3);
            //需要显示一下，窗口才会更新图片
            if (HDevWindowStack.IsOpen())
                HOperatorSet.DispObj(ho_Image, HDevWindowStack.GetActive());
            //设置窗口几何对象显示颜色，这个设置一直到下一个SetColor才会改变。
            if (HDevWindowStack.IsOpen())
                HOperatorSet.SetColor(HDevWindowStack.GetActive(), "red");
            //定义区域的填充模式，有'fill', 'margin'前者是填充全部区域，后者是显示边缘，在显示边缘时可以用
            if (HDevWindowStack.IsOpen())
                HOperatorSet.SetDraw(HDevWindowStack.GetActive(), "margin");
            //设置线宽
            if (HDevWindowStack.IsOpen())
                HOperatorSet.SetLineWidth(HDevWindowStack.GetActive(), 1);
            //设置在窗口写字的位置
            HOperatorSet.SetTposition(WindowHandle3, 24, 12);
            HOperatorSet.WriteString(WindowHandle3, "请用鼠标画ROI");
            //画不带方向的roi矩形框，2是带方向的
            HOperatorSet.DrawRectangle1(WindowHandle3, out Row1, out Column1, out Row2, out Column2);
            //生成矩形框
            HOperatorSet.GenRectangle1(out ho_ModelRegion, Row1, Column1, Row2, Column2);
            //用上面的矩形抠图，生成roi区域
            HOperatorSet.ReduceDomain(ho_Image, ho_ModelRegion, out ho_TemplateImage);
            //创建模板
            HOperatorSet.CreateNccModel(ho_TemplateImage, "auto", new HTuple(0).TupleRad(), new HTuple(20).TupleRad(),
            "auto", "use_polarity", out hv_ModelId);


            HOperatorSet.FindNccModel(ho_TemplateImage, hv_ModelId, -0.39, 0.78, 0.8,
        1, 0.5, "true", 0, out row, out col, out angle, out score);

            ho_TemplateImage.Dispose();
            HOperatorSet.ClearNccModel(hv_ModelId);
        }

        // Main procedure 
        private void action()
        {

            // Local iconic variables 

            HObject ho_Image, ho_ImageGray;


            // Local control variables 

            HTuple hv_WindowHandle, hv_Width, hv_Height;

            // Initialize local and output iconic variables 
            HOperatorSet.GenEmptyObj(out ho_Image);
            HOperatorSet.GenEmptyObj(out ho_ImageGray);

            HOperatorSet.SetWindowAttr("background_color", "black");
            HOperatorSet.OpenWindow(0, 0, 512, 512, 0, "", "", out hv_WindowHandle);
            HDevWindowStack.Push(hv_WindowHandle);
            ho_Image.Dispose();
            HOperatorSet.ReadImage(out ho_Image, @"E:\文件整理\halconImg\1.png");
            if (HDevWindowStack.IsOpen())
            {
                HOperatorSet.DispObj(ho_Image, HDevWindowStack.GetActive());
            }
            HOperatorSet.GetImageSize(ho_Image, out hv_Width, out hv_Height);
            ho_ImageGray.Dispose();
            HOperatorSet.Rgb3ToGray(ho_Image, ho_Image, ho_Image, out ho_ImageGray);
            if (HDevWindowStack.IsOpen())
            {
                HOperatorSet.DispObj(ho_ImageGray, HDevWindowStack.GetActive());
            }
            ho_Image.Dispose();
            ho_ImageGray.Dispose();

        }


    }


}