halcon模板匹配的步骤

模板匹配的目的：给定一个模板图片，给它标定一个目标区域。当下一张图片进来的时候，希望在新的图片中找到目标区域。

1.如图所示，读取模板图片，然后标定目标区域。
read_image(Image, ‘C:/Users/HJ/Desktop/test_image/AB1.jpg’)
draw_rectangle1(WindowHandle, Row1, Column1, Row2, Column2)
gen_rectangle1(Rectangle, Row1, Column1, Row2, Column2)
reduce_domain(Image, Rectangle, ImageReduced)

2.创建一个模板shape模型, 然后再获取shape模型的轮廓表示
create_shape_model(ImageReduced, ‘auto’, -0.39, 0.79, ‘auto’, ‘auto’, ‘use_polarity’, ‘auto’, ‘auto’, ModelID)
get_shape_model_contours(ModelContours, ModelID, 2)

3.读取新的图片，然后寻找图像中shape模型的最佳匹配
read_image (Image2, ‘C:/Users/HJ/Desktop/test_image/AB3.jpg’)
find_shape_model(Image2, ModelID, -0.39, 0.79, 0.5, 1, 0.5, ‘least_squares’, 0, 0.9, Row, Column, Angle, Score)

4.当得分Score的个数大于0时， 进行仿射变换，然后 对xld轮廓应用2d仿射变换
if (|Score| > 0)
　　vector_angle_to_rigid(0, 0, 0, Row, Column, Angle, HomMat2D)
　　affine_trans_contour_xld(ModelContours, ContoursAffineTrans, HomMat2D)

代码总合：

read_image(Image, ‘C:/Users/HJ/Desktop/test_image/AB1.jpg’)
get_image_size(Image, Width, Height)

• dev_close_window()
  dev_open_window(0, 0, Width/2, Height/2, ‘black’, WindowHandle)
  dev_display(Image)

draw_rectangle1(WindowHandle, Row1, Column1, Row2, Column2)
gen_rectangle1(Rectangle, Row1, Column1, Row2, Column2)
reduce_domain(Image, Rectangle, ImageReduced)
*创建一个模板模型
*Template：输入的图像，它的区域被用于创造模型
*NumLevels: 控制级别，可选：0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, ‘auto’
*AngleStart：最小的旋转弧度。建议值：-3.14, -1.57, -0.79, -0.39, -0.20, 0.0
*AngleExtent：旋转角度的范围， 建议值：6.29, 3.14, 1.57, 0.79, 0.39
*AngleStep ：角度的步长， 建议值： ‘auto’, 0.0175, 0.0349, 0.0524, 0.0698, 0.0873
*Optimization ：优化， 建议值：‘auto’, ‘no_pregeneration’, ‘none’, ‘point_reduction_high’, ‘point_reduction_low’, ‘point_reduction_medium’, ‘pregeneration’
*Metric :匹配的衡量标准， 建议值：‘ignore_color_polarity’, ‘ignore_global_polarity’, ‘ignore_local_polarity’, ‘use_polarity’
*Contrast ：对比度。建议值：‘auto’, ‘auto_contrast’, ‘auto_contrast_hyst’, ‘auto_min_size’, 10, 20, 30, 40, 60, 80, 100, 120, 140, 160
*MinContrast ：最小对比度。它的值要比Contrast小。 建议值：‘auto’, 1, 2, 3, 5, 7, 10, 20, 30, 40
*ModelID ：返回的是ModelID ，也就是模型的句柄
create_shape_model(ImageReduced, ‘auto’, -0.39, 0.79, ‘auto’, ‘auto’, ‘use_polarity’, ‘auto’, ‘auto’, ModelID)
*ModelContours：返回的是形状模型的轮廓表示
*ModelID ：输入的模型句柄
*Level ：返回的轮廓的金字塔级别， 建议值： 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
*Level为1时， 返回的轮廓是原图的1， Level为2时，轮廓显示为原图的1/2

get_shape_model_contours(ModelContours, ModelID, 1)

draw_rectangle1(WindowHandle, Row11, Column11, Row21, Column21)
gen_rectangle1(RectangleRoi, Row11, Column11, Row21, Column21)
area_center(Rectangle, AreaRef, RowRef, ColumnRef)

read_image (Image2, ‘C:/Users/HJ/Desktop/test_image/AB3.jpg’)
*寻找图像中形状模型的最佳匹配
*Image:输入的图片
*ModelID ：模型句柄
*AngleStart ：最小的旋转弧度。建议值：-3.14, -1.57, -0.79, -0.39, -0.20, 0.0
*AngleStep ：角度的步长， 建议值： ‘auto’, 0.0175, 0.0349, 0.0524, 0.0698, 0.0873
*MinScore：最低得分，在（0,1）这个区间。建议值：0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
*NumMatches：找到的模型的实例数，也就是找到的匹配的个数
*MaxOverlap：找到的形状的最大重叠度。建议值：0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
*SubPixel：亚像素精度
*NumLevels: 匹配过程中的级别，可选：0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
*Greediness ：搜索启发式的贪婪级别，值越大，搜索速度越快，但可能会漏失。建议值零到一之间
*返回的是找到的形状的行坐标Row和列坐标Column, 以及角度angle和对应的得分Score
find_shape_model(Image2, ModelID, -0.39, 0.79, 0.5, 2, 0.5, ‘least_squares’, 0, 0.9, Row, Column, Angle, Score)if (|Score| > 0)
*仿射变换
vector_angle_to_rigid(0, 0, 0, Row, Column, Angle, HomMat2D)
*对XLD轮廓应用任意仿射2D变换
affine_trans_contour_xld(ModelContours, ContoursAffineTrans, HomMat2D)

*仿射变换，求第二个region与标定区域的仿射变换矩阵
vector_angle_to_rigid(RowRef, ColumnRef, 0, Row, Column, Angle, HomMat2D1)
affine_trans_region(RectangleRoi, RegionAffineTrans, HomMat2D1, 'nearest_neighbor')
reduce_domain(Image2, RegionAffineTrans, ImageReduced1)

endif
clear_shape_model(ModelID)