基于形状的模板匹配（Shape-Based）

• 称为基于边缘方向梯度的匹配，是一种最常用也是最前沿的模板匹配算法

（一）根本思想

• 以物体边缘的梯度相关性作为匹配标准

（二）原理

• 提取ROI中的边缘特征，结合灰度信息创建模板，并根据模板的大小和清晰度的要求生成多层级的图像金字塔模型

• 接着在图像金字塔层中自上而下逐层搜索模板图像，直到搜索到最底层或得到确定的匹配结果为止

（三）使用条件

• 该方法使用边缘特征定位物体，对于很多干扰因素不敏感，如光照和图像的灰度变化，甚至可以支持局部边缘缺失、杂乱场景、噪声、失焦和轻微形变的模型

• 更进一步说，它甚至可以支持多个模板同步进行搜索

• 但是它不适用于旋转和缩放比较大的情况

（四）形状匹配算子

 /*
 1.创建形状模型：create_shape_model()
 2.寻找形状模型：find_shpae_model()
 3.释放形状模型：clear_shape_model()
 */

（五）实例

1、创建ROI区域，准备模板图像用来创建模板（创建模板以后可以保存下来）

• 标准形状：draw_rectangle1/2、draw_circle、draw_ellipse、draw_line

• 任意形状：draw_region、draw_polygon

• 生成标准ROI：gen_rectangle1/2、gen_circle、gen_ellipse、gen_region_line

• 通过XLD创建AOI：gen_region_contour_xld、gen_region_polygon_xld

• 利用area_center()找到这个ROI区域的中心

• 通过reduce_domain()从图像中获取这个ROI区域

2、ROI修正，通过预处理改善图像质量，以便找到更合适的模板图像

• 修正函数：erosion（减小ROI）、dilation（扩大ROI）、shape_trans（形状转换）、boundary（像素级边界）、move_region（移动区域到新位置）

• 组合：intersection（交集）、difference（差集）、union2（两个区域的并集）

3、直接创建模板

 create_shape_model(Template , // 模板图像
                    NumLevels, // 金字塔层数
                    AngleStart, // 起始角度
                    AngleExtent, // 角度范围
                    AngleStep, // 角度步长
                    Optimization, // 设置模板优化和模板创建方法
                    Metric, // 匹配方法设置
                    Contrast, // 模板中前景与背景的对比度
                    MinContrast， // 被查找图片的最小对比度
                    ModelID） // 模板ID
 // 可缩放比例
 create_scaled_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleMin, ScaleMax, ScaleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
                    
 create_scaled_shape_model (ImageReduced, 5, rad(-45), rad(90), 0, 0.8, 1.0, 0, ['none','no_pregeneration'], 'ignore_global_polarity', 40, 10, ModelID)

• 通过determine_shape_model_params算子得到金字塔层数，再通过inspect_shape_model算子测试对比度的数值是否合理

• 创建好模板以后，需要监视模板，用inspect_shape_model算子来完成，用来检测参数的适用性与找到合适的参数

• 该算子执行后将会把预设参数的金字塔分级图像显示出来，可以根据需要判断参数选取的是否合理 

  inspect_shape_model(Image : // 输入参数，输入图像
                     ModelImages, // 输出参数，输出图像基于金字塔的影像
                     ModelRegions : // 输出参数，输出模型区域
                     NumLevels, // 输入参数，使用的金字塔层数。默认4，范围1~10
                     Contrast : ) // 输入参数，设置对比度。默认30，参考10，20，30，40，60，80，100，120，140，160

（1）NumLevels

• 最开始是第一层，逐层+1

• 金字塔越小，细节信息越多，定位的更准确，但消耗的时间也更多；金字塔越大，找到匹配使用的时间就越小

• 另外必须保证最高层的图像具有足够的信息（至少四个点）。如果金字塔过大，模板不容易识别出来，这是需要将find_shape_model函数中MinScore和Greediness参数设置的低一些（注意这里的解决办法！！！）

• 如果最高层金字塔的消息太少，算法内部会自动减少金字塔层数

• 如果最底层金字塔的信息太少，函数就会报错

• 如果设为auto，算法会自动计算金字塔的层数，我们可以通过get_shape_model_params函数查看金字塔的层数

 // 根据创建的模型ID来查看形状模型的参数
 get_shape_model_params( : : ModelID : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleMin, ScaleMax, ScaleStep, Metric, MinContrast)
 // ScaleMin, ScaleMax, ScaleStep是模型的最小比例、最大比例、缩放步长

（2）Contrast

<