《Halcon学习资料整理.doc》由会员分享，可在线阅读，更多相关《Halcon学习资料整理.doc（4页珍藏版）》请在课桌文档上搜索。
1、模板匹配HDevelop开发环境中提供的匹配的方法主要有三种，即ponent-Based、Gray-Value-Based、Shape-Based,分 别是基于组件或成分、元素的匹配，基于灰度值的匹配和基于形状的匹配1. Shape-Based matching的根本流程HALCON提 供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，比如像视频会议中人 体上半身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的，这往往也是要牺牲匹配速度的，这个后面再讲。根本流程是这样的，如下所示： 首先确定出ROI的矩形区域
2、，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用area_center()找到这个矩形的中心； 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进展一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等； 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大如此找到物体的时间越少，AngleStart和AngleExtent决定
3、可能的旋转X围，AngleStep指定角度X围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中别离出来，如果灰度值的波动X围是10，如此MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为use_polarity，如此图像中的物体和模板必须有一样的比照度；创建好模板后，这时还需要监视模板，用inspect_shape_model()来完成，它检查参数的适用性，还能帮助找到适宜的参数；另外，还需要获得这个模板的轮廓，用于后
4、面的匹配，get_shape_model_contours()如此会很容易的帮我们找到模板的轮廓； 创建好模板后，就可以打开另一幅图像，来进展模板匹配了。这个过程也就是在新图像中寻找与模板匹配的图像局部，这局部的工作就由函数find_shape_model()来承当了，它也拥有许多的参数，这些参数都影响着寻找模板的速度和精度。这个的功能就是在一幅图中找出最优匹配的模板，返回一个模板实例的长、宽和旋转角度。其中参数SubPixel决定是否准确到亚像素级，设为interpolation，如此会准确到，这个模式不会占用太多时间，假如需要更准确，如此可设为least_square,lease_squa
5、re_high，但这样会增加额外的时间，因此，这需要在时间和精度上作个折中，需要和实际联系起来。比拟重要的两个参数是MinSocre和Greediness，前一个用来分析模板的旋转对称和它们之间的相似度，值越大，如此越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，假如为0，如此为启发式搜索，很耗时，假如为1，如此为不安全搜索，但最快。在大多数情况下，在能够匹配的情况下，尽可能的增大其值。 找到之后，还需要对其进展转化，使之能够显示，这两个函数vector_angle_to_rigid()和affine_trans_contour_xld()在这里就起这个作用。前一个是从一个点和角
6、度计算一个刚体仿射变换，这个函数从匹配函数的结果中对构造一个刚体仿射变换很有用，把参考图像变为当前图像。其详细的流程图和中间参数，如如下图所示：无法上传2. 基于形状匹配的参数关系与优化 在HALCON的说明资料里讲到了这些参数的作用以与关系，在上面提到的文章中也作了介绍，这里主要是重复说明一下这些参数的作用，再强调一下它们影响匹配速度的程度；在为了提高速度而设置参数之前，有必要找出那些在所有测试图像中匹配成功的设置，这时需考虑以下情况： 必须保证物体在图像边缘处截断，也就是保证轮廓的清晰，这些可以通过形态学的一些方法来处理； 如果Greediness值设的太高，就找不到其中一些可见物体，这时
7、最后将其设为0来执行完全搜索； 物体是否有封闭区域，如果要求物体在任何状态下都能被识别，如此应减小MinScore值； 判断在金字塔最高级上的匹配是否失败，可以通过find_shape_model减小NumLevels值来测试； 物体是否具有较低的比照度，如果要求物体在任何状态下都能被识别，如此应减小MinContrast值； 判断是否全局地或者局部地转化比照度极性，如果需要在任何状态下都能被识别，如此应给参数Metric设置一个适宜的值； 物体是否与物体的其他实例重叠，如果需要在任何状态下都能识别物体，如此应增加MaxOverlap值； 判断是否在一样物体上找到多个匹配值，如果物体几乎是对称
8、的，如此需要控制旋转X围；如何加快搜索匹配，需要在这些参数中进展合理的搭配，有以下方法可以参考： 只要匹配成功，如此尽可能增加参数MinScore的值； 增加Greediness值直到匹配失败，同时在需要时减小MinScore值； 如果有可能，在创建模板时使用一个大的NumLevels，即将图像多分几个金字塔级； 限定允许的旋转X围和大小X围，在调用find_shape_model时调整相应的参数； 尽量限定搜索ROI的区域；除上面介绍的以外，在保证能够匹配的情况下，尽可能的增大Greediness的值，因为在后面的实验中，用模板匹配进展视频对象跟踪的过程中，这个值在很大程度上影响到匹配的速度。当然这些方法都需要跟实际联系起来，不同图像在匹配过程中也会有不同的匹配效果，在具体到某些应用，不同的硬件设施也会对这个匹配算法提出新的要求，所以需要不断地去尝试。在接下来我会结合自己做的具体的实验来如何利用HALCON来进展实验，主要是在视频对象分割和视频对象的跟踪方面。4 / 4
