halcon基于形状模板匹配算子的对比

一、halcon形状模型匹配常用算子

1）create_shape_model 

2）create_scale_shape_model

3）create_aniso_shape_model

4）create_planar_uncalib_deformable_model

相同点：大部分参数定义是一样的，用法基本相同。

二、基于形状模型匹配算子详解

2.1  create_shape_model 基础形状模板

主要应用于模板没有太大的形变的条件下，局部可以有轻微变形

1）没有形变的情况下正常使用即可

 create_shape_model (ImageReduced, 'auto', -0.39, 0.78, 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
 find_shape_model (Image, ModelID, -0.39, 0.78, 0.7, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)   

2）有局部变形的情况
create_shape_model (ImageReduced, 'auto', -0.39, 0.78, 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID) 创建模板正常使用
find_shape_model (SearchImage, ModelID, 0, 0, 0.4, 1, 0.5, 'max_deformation 1', 0, 0.9, Row, Column, Angle, Score)
在匹配模板时，SubPixel参数需设置成局部最大变形量即可

2.2  create_scale_shape_model 各向同性比例缩放形状模板

主要应用于模板在X和Y方向有相同的形变的场合，即x和Y向变形尺度比例一致的情况。

create_scaled_shape_model (ImageReduced, 5, rad(-45), rad(90), 'auto', 0.8, 1.0, 'auto', 'none', 'ignore_global_polarity', 40, 10, ModelID)
 在创建模板时，只需要设置缩放比例即可，例如本例中的0.8到1.0

使用调试助手可以直接选择基于形状 ，使用的算子为create_scaled_shape_model

例程解析：

如下图：图片中有三个形状一样，但是尺寸大小不一样的图案。观察可以发现三个图案的有着各项同性比例缩放的关系，这时可以考虑可以使用各向同性比例缩放形状模板进行图像的配准

算子函数原型：

 create_scaled_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleMin, ScaleMax, ScaleStep, Optimization, Metric, Contrast, MinContrast : ModelID)

参数说明：

1）Template：图像上要创建模型的图像，模型图像 Template 的定义域的重心（center of gravity）用作模型的原点origin（或者说参考点，reference point）。用 set_shape_model_origin 可以设置不同原点。

2）NumLevels：图像金字塔的级别

图像金字塔是图像多尺度表达的一种方式，是一种以多分辨率来解释图像的有效性但概念简单的结构。一幅图像的图像金字塔是一系列以金字塔形状（自下而上）逐步降低，且来源于同一张原始图的图像分辨率集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。如果选择了一个完整的模型预生成，则在每个级别上都会以多个旋转角度和缩放比例生成模型。

 

3）AngleStart,AngleExtent和AngleStep，旋转角度相关

AngleStart：初始角度 

AngleExtent，角度范围 决定模型在图像中可能出现的旋转角度范围

AngleStep 确定了所选角度范围内的步长

注意：find_scaled_shape_model 只能在该角度范围内找到模型，，如果在 find_scaled_shape_model 中未指定亚像素精度（subpixel accuracy），该参数会指定其中角度的可达精度。

亚像素，Sub Pixel
亚像素，面阵摄像机的成像面以像素为最小单位。例如某CMOS摄像芯片，其像素间距为5.2微米。摄像机拍摄时，将物理世界中连续的图像进行了离散化处理。到成像面上每一个像素点只代表其附近的颜色。至于“附近”到什么程度？就很困难解释。两个像素之间有5.2微米的距离，在宏观上可以看作是连在一起的。但是在微观上，它们之间还有无限的更小的东西存在。这个更小的东西我们称它为“亚像素”。实际上“亚像素”应该是存在的，只是硬件上没有个细微的传感器把它检测出来。于是软件上把它近似地计算出来。

应根据对象的大小选择 AngleStep，角度步长 。较小的模型在图像中不会有很多不同的离散旋转。因此对于较小的模型，应选择较大的 AngleStep （这一点应该和受影响的像素有关）。

4）ScaleMin,ScaleMax和ScaleStep，缩放比例相关

ScaleMin 和 ScaleMax 确定了模型的比例（大小）范围。scale（译成比例好点）值为1时，对应模型的原始大小，参数 ScaleStep 确定了所选比例范围内的步长。因此，如果在 find_scaled_shape_model 中未指定亚像素精度，该参数指定 find_scaled_shape_model 中缩放的可达精度。

5）Optimization，优化

对于特别大的模型，通过将 Optimization 设置为非’none’的值以减少模型点的数量也许会很有用。如果 Optimization=‘none’ （即关掉优化），则所有模型点都会被存储。在其他情况下，根据 Optimization 的值的不同，点的数量会相应减少。如果点数减少，在 find_scaled_shape_model 中可能需要将 Greediness 参数设置为更小的值，如0.7或0.8。对于小模型，减少模型点的数量并不会加快搜索。因为该情况下，通常需要检查更多潜在的模型实例（模型小了，图像中存在的可能就更多了）。

如果将Optimization设置为’auto’， create_scaled_shape_model 将自动确定模型点数的减少。

no_pregeneration:不预先储存 （不占内存，速度快，精度相对弱）

pregeneration：预先存储（占内存，速度慢，精度高）

none:不去掉点

point_reduction_high:去边缘点-高 2/3

point_reduction_low :去边缘点-低 1/4

point_reduction_medium :去边缘点-中 1/3

6）Metric，度量/标准

如果 Metric = ‘use_polarity（使用极性）’ ，则图像中的对象必须和模型具有相同的对比度（Contrast）。比如，如果模型是一个在暗/深色背景上的明亮物体，则仅当对象比背景更亮时才会被找到。

如果 Metric = ‘ignore_global_polarity（忽略全局极性）’ ，即使对比度全局反转（即原本对象要比背景亮才能找到，现在对象比背景暗也能找到），对象也会被找到。该情况下， find_scaled_shape_model 的运行时间会略有增加。

如果 Metric = ‘ignore_local_polarity(忽略局部极性)’ ，即使局部对比度发生改变，模型也会被发现。