模板匹配相关概念与几种不常用的模板匹配（学都学了，了解一下）

一、模板匹配相关概念

（一）什么是模板匹配？

• 模板匹配指的是通过模板图像与测试图像之间的比较，找到测试图像上与模板图像相似的部分，这是通过计算模板图像与测试图像中目标的相似度来实现的，可以快速地在测试图像中定位出预定义的目标

• 是图像处理中最基本、最常用的匹配方法

（二）匹配主要思路

• 为感兴趣的对象创建模型：使用具用代表性图像来创模板匹配模型句柄

• 在搜索图像中查找模型：在图像中搜索先前创建的模型的实例及其位置，搜索它们的角度及行列坐标

（三）匹配结果

• 通过模板匹配可以得到目标的相似度，旋转角度，行列坐标，缩放大小等

（四）需要处理的问题

• 针对不同的图像特征和检测环境，有多种模板匹配算法

• 如何选择合适的模板匹配算法，取决于具体的图像数据和匹配任务

• 只有理解这些算法的原理和适用场景后，才能根据项目的需要选择合适的算法

（五）模板匹配的分类

• HALCON模板匹配包含：基于点、基于灰度值、基于描述性、基于相关性、基于形状、基于组件、局部可变形、可变形的

• 常用的方式是基于相关性和基于形状

二、基于灰度值的模板匹配（Gray-Value-Based，不怎么用的）

• 基于灰度值的模板匹配是最经典的模板匹配算法，也是最早提出来的模板匹配算法

（一）根本思想

• 计算模板图像与检测图像之间的像素灰度差值的绝对值总和（SAD方法）或者平方差总和（SSD方法）

（二）原理

（三）使用条件

• 首先选择一块ROI（感兴趣区域）作为模板图像，生成基于灰度值的模板

• 然后将检测图像与模板图像进行粗匹配，在检测图像与模板图像中任选一点，采取隔点搜索的方式计算二者灰度的相似性，这样粗匹配一遍得到粗相关点

• 接下来进行精匹配，将得到的粗相关点作为中心点，用最小二乘法寻找二者之间的最优匹配点

• 该方法是利用模板图像的所有灰度值进行匹配，但在光照发生变化的情况下灰度值会产生强烈的变化

• 因此该方法不能适应光照发生变化的情况，也不能用于多通道图像的匹配

• 适用于目标图像光照比较稳定的情况，多数情况下还是优先考虑基于相关性的匹配和基于形状的匹配。只有针对极少数的简单图像，才会考虑基于灰度值的匹配