Halcon形状匹配在图像【仿射变换】中的应用

在机器视觉应用中，经常需要对图像进行仿射变换。
1、在基于参考的视觉检测中，由于待检图像与参考图像或多或少都会存在几何变化（平移、旋转、缩放等），所以在做比较之前一般都要对待检图像进行仿射变换以对齐图像。
2、要进行仿射变换，必须先获取变换矩阵，形状匹配是获取变换矩阵的一种高效的方法。
3、Halcon的如下几个函数是专门用于计算变换矩阵的：
vector_angle_to_rigid ：Compute a rigid affine transformation from points and angles.  
vector_to_rigid ：Approximate a rigid affine transformation from point correspondences. 
vector_to_similarity ：Approximate an similarity transformation from point correspondences. 
vector_to_hom_mat2d ：Approximate an affine transformation from point correspondences. 
4、Halcon中用于形状匹配的函数有：
find_shape_model ：Find the best matches of a shape model in an image. 
find_shape_models ：Find the best matches of multiple shape models. 
find_scaled_shape_model ：Find the best matches of a scale invariant shape model in an image. 
find_scaled_shape_models ：Find the best matches of multiple scale invariant shape models. 
5、单匹配计算刚性变换矩阵：vector_angle_to_rigid只需要一个点对及一个角度对即可计算刚性变换矩阵，所以可直接利用find_shape_model的结果，但精度可能稍低。
6、双匹配计算刚性变换矩阵：vector_to_rigid需要至少两个点对的支持，所以需要用两次find_shape_model或用一次find_shape_models，精度会比单匹配高，但仍局限于刚性变换。
7、双匹配计算相似变换矩阵：vector_to_similarity用于计算相似变换矩阵，需要至少两个点对的支持，所以需要用两次find_scaled_shape_model或用一次find_scaled_shape_models。
8、三匹配计算一般变换矩阵：vector_to_hom_mat2d用于计算一般的其次变换矩阵，需要至少三个点对的支持，所以需要用三次find_scaled_shape_model或用一次find_scaled_shape_models。
9、综上，在不同情况下，选用相应的变换矩阵类型、形状匹配方法，可以达到事半功倍的效果！