VisionPro CogSearchMaxTool VS CogPMAlignTool VS CogCNLSearchTool三个模板匹配工具之间的差异

CogSearchMaxTool

工具原理:

该SearchMax工具结合了PMAlign和CNLsearch工具的优缺点;
使用归一化相关搜索匹配功能
通过颜色特征来寻找目标物体;
工具使用场合:

彩色图像
小图案(特征少的图像)
包含纹理图像
图像倾斜

CogPMAlignTool

工具原理:

与其他一些模型定位算法一样，首先训练一个模型，然后再运行时图像上查询一个或多个已训练的模型，但是CogPMAlignTool不是基于像素栅格，基于像素栅格的算法在一些旋转和尺寸变化的情况时达不到有效的精度。它是基于特征的，在模型匹配中更加快速和准确。

主要参数

CogPMAlignTool有三种算法可选，PatQuick、PatMax、PatFlex，其特点分别如下：

1）PatQuick:此算法速度最快，对于3维或者低质量元件效果更佳，能承受更多的图像差异；

2）PatFlex:为高灵敏度的图案设计，在弯曲不平的表面表现跟佳，灵活但不够精确。

模型区域：模型区域就是利用来作为模型特征的区域；

模型原点：模型原点就是用来在模型中得到的点，一般选择中心原点；

极性：极性表示特征边界点是从黑到白还是从白到黑，忽略极性可以增加模型的多样性；

弹性：弹性是一个运行时参数，代表能承受非线性变化的程度；

粒度：粒度代表探测模型精细特征的程度。

CogCNLSearchTool

作用是定位或测量事先训练的一个或多个特征的质量，即用来测量当前图像中的某一特征与先前训练的图模型的相似程度，其应用主要有：

1)定位：通过定位物体上的特征来确定已知物体的位置和方向；

2)存在或者缺失：验证图像中某一个特征的数目；

3)测量：测量长度，直径，角度，以及其他一些临界尺寸；

4)检测：检测图像中的缺陷。

**

(1)特征和模型

**

CogCNLSearchTool工具用来测量图像中某一特征(feature)与事先训练好的模型(pattern)的相似程度，特征就是图像中特定的模型，其可以只包含少量像素的简单边缘特征，也可包含成千上万像素的复杂特征。CogCNLSearchTool工具既可查找基于灰度比如的特征，也可查找基于边缘的特征。

通常情况下，可以从图像中训练一个有代表性的模型，然后用这个模型在同一图像中或在其他图像中查找相似的模型。如图1-1所示，展示一个包含四个相似特征的图像，可以以其中一个特征为训练模型，然后可以利用这个模型来查找图像中的所有特征。

图 1-1

(2)CogCNLSearchTool查找策略

CogCNLSearchTool通过在图像中查找和已训练的模型面积相似的区域来定位特征，如果是查找到单个特征，则说明面积最相似的区域具有全局相似性，其即为要查找的特征；如果是查找到多个特征，如果这些特征和已训练的面积有一定程度的接近，则说明这些位置的特征比其领域的特征与易训练模型的相似度大，具有局部相似性。

图1-2展示一个模型和一个图像，图像中有多个与模型相似的特征，但只有一个全局相似，其他几个具有局部相似性。

图1-2 局部和全局相似特征

可以有多种策略来查找模型，图1-3展示一个模型查找方式的全过程，其中，模型是6x6像素的正方形，图像时一个36x36像素的正方形，对图像的每个位置进行逐行逐列扫描，具有相似特征的位置会被记录下来，这种方式称为"穷举搜索"。按照这种方式，将对961个位置进行模型匹配，即使高配置计算机也要一定的时间。
　　
图 1-3 对模型进行穷举搜索

VisionPro中CNLSearchTool应用一个更有效的技术定位特征，首先，快速对图像中具有相似特征的地方进行扫描，然后再根据坐标位置进行相似性判断，然后将最相似的位置返回，图1-4所示。
　　
图1-4 CNLSearchTool工具模型查找技术

CNLSearchTool有线性查找和非线性查找算法，在利用工具进行模型查找的时候首先进行算法选择。

线性查找算法：

线性查找算法适用于模型图像和查询图像之间有线性亮度变换的情况，如果设置为线性查找算法，CNLSearch对待查询图像中的和模型图像像素非常像素的地方进行查询，因为这种查询方式下，由于模型图像和查询图像之间的相似度由两者之间灰度关联系数决定，所以，这种方式又叫做光强关联查找算法。

非线性查找算法

非线性查找算法适用于模型图像和查询图像之间没有亮度变换的情况，这种算法的原理是通过判断模型图像与查询图像中边缘部分和非边缘部分的相似程度来确定模型，因为这种算法是通过查找边缘特征而非像素特征，所以这种算法对应亮度存在线性和非线性变换的场合都是用。

不要去跟随消逝的虚无