《HALCON形状匹配总结》由会员分享，可在线阅读，更多相关《HALCON形状匹配总结（15页珍藏版）》请在金锄头文库上搜索。
1、HALON形状匹配总结 Hco有三种模板匹配措施:即Compnented、Gry-VlueBased、hapd_sed,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,此外尚有变形匹配和三维模型匹配也是分属于前面的大类本文只对形状匹配做简要阐明和补充：Shpe_Bsed匹配措施：上图简介的是形状匹配做法的一般流程及模板制作的两种措施。先要补充点知识:形状匹配常用的有四种状况 一般形状匹配模板shapmodel、线性变形匹配模板planar_deformable_oel、局部可变形模板locl_deormabe_model、和比例缩放模板Scle_mdel第一种是不支持投
2、影变形的模板匹配,但是速度是最高的,第二种和第四种是支持投影变形的匹配，第三种则是支持局部变形的匹配。一般形状匹配模板是最常用的，模板的形状和大小一经制作完毕便不再变化，在查找模板的过程中,只会变化模板的方向和位置等来匹配目的图像中的图像。这个措施查找速度不久,但是当目的图像中与模板相应的图像存在比例放大缩小或是投影变形如倾斜等,均会影响查找成果。波及到的算子一般为crte_shpemdl和ind_shap_oe线性变形匹配模板panar_defrableodel是指模板在行列方向上可以进行合适的缩放。行列方向上可以分别独立的进行一种合适的缩放变形来匹配。重要参数有行列方向查找缩放比例、图像金
3、字塔、行列方向匹配分数（指可接受的匹配分数,不小于这个值就接受，不不小于它就舍弃)、设立超找的角度、已经超找成果后得到的位置和匹配分数线性变形匹配又分为两种:带标定的可变形模板匹配和不带标定的可变形模板匹配。波及到的算子有：不带标定的模板:创立和查找模板算子creat_lanar_nali_deomabl_mel和find_lanar_unab_deforale_moel带标定模板的匹配:先读入摄像机内参和外参 adc_par和re_pse 创立和查找模板算子crae_plaar_cali_efmable_oel和findpanclib_deformable_moel局部变形模板 是指在一张图
4、上查找模板的时候,可以变化模板的尺寸，来查找图像上具有局部变形的模板。例如包装纸袋上图案查找。参数和线性变形额差不多算子如下:crat_al_deformb_moe和findl_defomable_model比例缩放末班匹配 是介于一般形状匹配和线性变形匹配之间的一种措施。它可以匹配放大或是缩小的模板,但是仅限于模板大小的缩放,即行列缩放因子同样。这也是它和线性缩放最大的不同。波及到的算子如下：createscesha_model和fin_scale_shap_odel ALCON形状匹配LInEport Hrorreashae_mdel（cost Hobjectam; Tele ， /red
5、u_domain后的模板图像ong umels， /金字塔的层数，可设为“to”或10的整数Double Angletar, /模板旋转的起始角度Dble AleExtt， /模板旋转角度范畴， >0Dbe Anltep， /旋转角度的步长, g;=0and &l；=pi/16onst ch*Otmzaton，/设立模板优化和模板创立措施const char* eri, /匹配措施设立Hlong Contrast, /设立对比度Hng Minontras, /设立最小对比度log* ModelI ) /输出模板句柄进一步分析:umLvels越大，找到匹配使用的时间就越小。此外必须保证最高
6、层的图像具有足够的信息（至少四个点)。可以通过inspec_hpe_mel函数查看设立的成果。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et_shap_model_prams函数查看金字塔的层数。如果金字塔的层数太大，模板不容易辨认出来,这是需要将fin_sae_me函数中inore和rediness参数设立的低某些。如果金字塔层数太少找到模板的时间会增长。可以先使用ispect_shae_moel函数的输出成果来选择一种较好的金字塔层数。参数AngleStart、geExtnt
7、定义了模板也许发生旋转的范畴。注意模板在fnd_saeodel函数中只能找到这个范畴内的匹配。参数AgeSep定义了旋转角度范畴内的步长。 如果在f_ape_model函数中没有指定亚像素精度，这个参数指定的精度是可以实现fnd_saeod函数中的角度的。参数AngleStep的选择是基于目的的大小的,如果模板图像太小不能产生许多不同离散角度的图像，因此对于较小的模板图像AngeSte应当设立的比较大。如果Anlexen不是 ngleStp的整数倍， 将会相应的修改ngeStep 。如果选择 compet rgeneatn ,不同角度的模板图像将会产生并保存在内存中。用来存储模板的内存与旋转角
8、度的数目和模板图像的的点数是成正比的。 因此，如果nleSte太小或是AleExtent太大, 将会浮现该模型不再适合(虚拟）内存的状况。在任何状况下，模型是完全适合主存储器的，由于这避免了操作系统的内存分页,使得寻找匹配模板的时间变短。由于nd_sap_odel函数中的角度可以使用亚像素精度,一种直径不不小于200像素的模板可以选择AngleSte>=1. 如果选择Anglete=ato（or 向后兼容), ceate_shae_del将会基于模板的大小自动定义一种合适的角度步长. 自动计算出来的ngtep可以使用geshape_model_params函数查看。如果没有选择compl
9、ee pregenratin， 该模型会在每一层金字塔上建立在一种参照的位置。这样在fid_spe_dl函数运营时,该模型必须转化为不同的角度和尺度在运营时在。正由于如此,匹配该模型也许需要更多的时间。对于特别大的模板图像，将参数Optimzation设立为不同于noe的其她数值是非常有用的。如果Optimizai = ne， 所有的模型点将要存储。在其她状况下, 按照timzato的数值会将模型的点数减少. 如果模型点数变少了,必须在find_shae_model函数中将参数Gediness设为一种比较小的值, 例如:0.、0.。对于比较小的模型,减少模型点数并不能提高搜索速度,由于这种状况
10、下一般显着更多的潜在状况的模型必须进行检查。如果timtio设立为auto，reate_shapemel自动拟定模型的点数。Optimization的第二个值定义了模型与否进行预解决(pregeeraed compeey),是通过选择preenetion或者no_regeneation来设立的。如果不使用第二个值(例如:仅仅设立了第一种值), 默认的是系统中的设立，是通过set_system(pregeerate_shpe_odl,）来 设立的，对于默认值是 （pregenerte_shae_odel = als), 模型没有进行预解决. 模型的预解决设立一般会导致比较低的运营时间，由于模型不
11、需要 在运营时间时转换。然而在这种状况下,内存的规定和创立模板所需要的时间是比较高的。 还应当指出，不能指望这两个模式返回完全相似的成果,由于在运营时变换一定会导致变换模型和预解决变换模型之间不同的内部数据。例如，如果模型没有 compleelypreneratd，在fishpe_mde函数中一般返回一种较低的scores，这也许需要将nSoe设立成一种较低的值。此外,在两个模型中插值法获得的位置也许略有不同。如果但愿是最高精确度，应当使用最小二乘调节得到模型位置。参数Conras决定着模型点的对比度。对比度是用来测量目的与背景之间和目的不同部分之间局部的灰度值差别。Contrst的选择应当保
12、证模板中的重要特性用于模型中。Cotat也可以是两个数值，这时模板使用近似ede_iage函数中滞后阈值的算法进行分割。这里第一种数值是比较低的阈值,第二个数值是比较高的阈值。Cotrat也可以涉及第三个，这个数值是在基于组件尺寸选择重要模型组件时所设立的阈值，例如，比指定的最小尺寸的点数还少的组件将被克制。这个最小尺寸的阈值会在每相邻的金字塔层之间除以2。如果一种小的模型组件被克制,但是不使用滞后阈值，然而在ontrast中必须指定三个数值，在这种状况下前两个数值设立成相似的数值。这个参数的设立可以在nsct_shape_odel函数中查看效果。如果Ctrast设立为au,create_ap
13、_moel将 会自动拟定三个上面描述的数值。或者仅仅自动设立对比度（aucontrast)，滞后阈值(auto_contsthyt)或是 最小尺寸（au_minsze)中一种。其她没有自动设立的数值可以按照上面的格式再进行设立。可以容许多种组合,例如:如果设立 aut_corast，uo_minsz,对比度和最小尺寸自动拟定；如果设立 ato_minize,0,30,最小尺寸会自动设定，而滞后阈值被设为20和0。有时候也许对比度阈值自动设立的成果是不满意的,例 如，由于某些具体应用的因素当某一种模型组件是被涉及或是被克制时，或是目的涉及几种不同的对比度时,手动设立这些参数效果会更好。因此对比度
14、阈值可以使 用etemehae_od_arms函数自动拟定，也可以在调用create_shaemodel之前使用sect_shape_md函数检查效果。MinCotrt用来拟定在执行fid_sapemdel函数进行辨认时模型的哪一种对比度必须存在，也就是说,这个参数将模型从噪声图像中分离出来。因此一种好的选择应当是在图像中噪声所引起的灰度变化范畴。例如,如果灰度浮动在10个灰度级内，inContrast应当设立成0。如果模板和搜索图像是多通道图像，Metic参数设立成gnore_colo_lrit,在一种通道中的噪声必须乘以通道个数的平方根再去设立MinConrast。例如，如果灰度值在一种通道的浮动范畴是0个灰度级，图像是三通道的，那么inContra应当设立为。很显然,MnContrast必须不不小于Contrt。如果要在对比度较低的图像中辨认模板,iContas必须设立为一种相对较小的数值。如果要是模板虽然严重遮挡（cclud）也能辨认出来，MnConras应当设立成一种比噪声引起的灰度浮动范畴略大的数值,这样才干保证在fnd_shapemodel函数中
