织梦招商加盟网站源码,大男人直播视频,广州网站制作选哪家,电商建网站运营什么是模板匹配呢#xff1f;简单而言#xff0c;就是在图像中寻找目标图像#xff08;模板#xff09;#xff0c;或者说#xff0c;就是在图像中寻找与模板图像相似部分的一种图像处理技术。依赖于选择的方法不同#xff0c;模板匹配可以处理各种情形下的变换#xf…什么是模板匹配呢简单而言就是在图像中寻找目标图像模板或者说就是在图像中寻找与模板图像相似部分的一种图像处理技术。依赖于选择的方法不同模板匹配可以处理各种情形下的变换如照明、杂点、大小、位置以及旋转甚至模版内部的相对移动。
模版匹配的鲁棒性和灵活性都很高而且很多参数可以自适应生成只有极少的参数需要配置。
在Halcon中提供了各种不同的匹配方法。不同方法的选择依赖于图像数据以及要解决的任务。
匹配的流程 Acquire Images
对于训练和匹配首先必须先有图像。
Create(Train) Model
为了生成一个模板首先在训练图像中必须指定包含模板的ROI区域。仅仅这些区域是重要的和稳定的应该被用来训练。训练算子的输入是裁剪后的图像可以使用reduce_domain完成和控制参数。输出是模型句柄。模型将用来立即搜索图像。
Find Model
一旦创建好或者读入了模型立即可以用于定位图像中的目标。 如果一个或者多个目标被发现他们的姿势位置position、旋转rotation、缩放scaling或者 2D仿射变换矩阵和分数(score)被返回。这些值可以被作为下一步的处理。如对齐ROI。
Destroy Model
当我们不需要匹配模型时你应该销毁它。比如对于shape-based 匹配可以使用 clear_shape_model来销毁。
各种匹配方法简介
匹配方法使用范围Gray Value-based Matching要求照明不变的内部灰度值和模板相同应用极少Correlation-based Matching不变性体现在散焦、轻微的形变线性光源可以很好地处理纹理。 仅仅可以处理灰度图像不支持杂点、遮挡、缩放、非线性照明变换、以及多通道图像shape-based Matching可以处理杂点、遮挡、缩放、非线性照明变换、散焦以及轻微的变形可以处理多通道图像也可以一次处理多个模型。但是对于纹理支持不好 。Component-based Matching模板内部各个部分可以相对移动。可以处理杂点、遮挡、缩放、非线性照明变换可以处理多通道图像也可以一次处理多个模型。但是对于纹理支持不好且不能支持散焦以及变形。Local deformable Matching可以返回模板样例的变形可以处理杂点、遮挡、缩放、非线性照明变换、局部变形可以处理多通道图像Perspective deformable Matching可以处理杂点、遮挡、缩放、非线性照明变换、散焦、透视形变可以处理多通道图像但是很难处理纹理 。Descriptor-based Matching可以处理杂点、遮挡、缩放、非线性照明变换、透视形变但是不能处理纹理、散焦以及多通道图像。
需要说明的是Component-based Matching。 基于部分的匹配是基于形状匹配的加强版。原因在于它可以允许内部的各个部件 移动旋转和平移。比如我们常见的钳子。有两个分支组成。但是分支可开可合。这时使用基于分支的匹配可以一次性处理这样一个组合物。否则可能得分开处理。
匹配方法的快速引导
如下的几幅图简单介绍了如何针对特殊的应用选择合适的匹配方法。 图1总结了比较粗糙地选择匹配的方法 图1 图2介绍了几种形变 图2 图3介绍了不同方法可以处理的形变 图3 图4介绍了不同方法可以返回的参数信息 图4 图5介绍了几种典型的目标外观变换 图5 图6介绍了不同方法可以处理的目标外观变化 图6
