简单汇总下Halcon模板匹配的几种方式

Halcon模板匹配是工程上使用必不可少的。
用途可定位，可查找，可识别，非常灵活
下面开始：

模板匹配是通过计算模板与图像之间的相似度实现的
完整性检测/物体识别/得到位姿
位姿刚性变换：平移和旋转方向的变换
相似变换：平移和旋转和缩放方向的变换

Halcon匹配共三种：
Component-Based：基于组件成分和元素
Gray-Value-Based：基于灰度值
Shape-Based：基于形状shape_model

基于灰度值的模板匹配
最简单的相似度量方法是计算模板和图像之间差值的绝对值综合和所有差值的平方和（SAD、SSD）
在光照保持不变的情况下，SAD/SSD效果非常好。

使用图形金字塔进行匹配
将图像和模板多次缩小2倍建立起来的数据结构为图像金字塔
为加快速度消除锯齿，需要均值滤波器平滑图像。用高斯滤波器尺寸必须偶数计算费时

基于灰度值的亚像素精度匹配
带旋转和缩放的模板匹配
其它可靠的算法：
基于边缘的模板匹配算法（基于边缘点和基于匹配几何基元）
几何哈希法匹配

基于组件的模板匹配：

应用场合：组件匹配是形状匹配的扩展，但不支持大小缩放匹配，一般用于多个对象（工件）定位的场合。

算法步骤：
1.获取组件模型里的初始控件 gen_initial_components()
参数：
ModelImage [Input] 初始组件的图片
InitialComponents [Output] 初始组件的轮廓区域
ContrastLow [Input] 对比度下限
ContrastHigh [Input] 对比度上限
MinSize [Input] 初始组件的最小尺寸
Mode[Input] 自动分段的类型
GenericName [Input] 可选控制参数的名称
GenericValue [Input] 可选控制参数的值

2.根据图像模型，初始组件，训练图片来训