V社区

模板匹配，是工业图像处理，最重要的算法。（最常用，最基础，最好用）

所以这个算法实现的优劣，直接体现了该算法平台的实力。（衡量标准：鲁棒性，精度 和 速度）

以本人目前的见识来说，halcon 应该是做的最好。然后是visionpro。再是VM。

但这并不妨碍VM的模板匹配是个优秀的工具。只是某些方面与halcon有些差距。（主要是速度以及可调参数，这部分我们会在最后讨论。）

本篇分两部分。

第一部分，介绍vm中的模板匹配工具的使用。以及常用参数的意义。

第二部分，介绍模板匹配的原理，以及vm与halcon的对比。

vm中有四个模板匹配，如下图：

其中 ：高精度匹配，快速匹配，图像定位，都是轮廓匹配。

他们的不同，主要是默认参数，开发的可调参数，不一样。

而图像定位，则是在制作模板的时候，提供了空心十字，空心矩形的方式。再提供高精度，快速匹配两种方式。

快速匹配：默认不可见参数最多。也是最常用的。（你接触到的项目，99.9%的匹配需求，都可以用快速匹配达到目的）

多说一句，就是匹配的目的，通常都是粗定位，偏差几个像素，是可以接受的，匹配速度，反而很关键。匹配算法其实是比较复杂的算法。很多参数，对大部分人来说只是负担。所以可调参数少，通常来说反而是件好事。

我们来看一下，快速匹配有哪些参数？

首先，创建模板：

只有有2个参数：特征尺度（特征点的疏密程度，系数越小，特征点越密集，反之越稀疏），对比度阈值（字面意思，被选中的特征点最低对比度阈值，系数越小，特征点选入门槛越低，被选入的特征点就越多，反之被选中的特征点越少）。如果选中的特征对比度好，直接默认自动参数就可以。

然后，运行参数：

最小匹配分数：字面意思。

最大匹配个数：字面意思。

匹配极性：简易理解就是 对象比背景白，还是比背景黑。 这个因素是否被考虑

角度范围：字面意思

尺度范围：字面意思 支持模板缩放范围。

高级参数：

最大重叠率：字面意思 支持对象部分被遮挡。

排序类型：字面意思

阈值类型：字面意思

延拓阈值：本人理解是对阈值类型的补充，就是查找的时候，对图片中特征选择阈值范围，可以超过阈值类型范围的补充。

超时控制：字面意思，超过这个时间就跳出程序，不再继续匹配。匹配到了就匹配到了，没匹配到就没匹配到。（测试时候，发现bug，超时时，如果没有匹配到对象，会跳出，算法不超时。如果匹配到了对象，算法不会跳出。还会继续执行。导致算法超时）

重点讲一下匹配极性：

考虑极性的意思是，如果你制作模板时候，匹配对象比背景白，那就只匹配白的对象。不会匹配比背景黑的对象。

不考虑极性就是，不管你制作模板时，匹配对象比背景黑，还是白。匹配的时候，会把黑的，白的，都找到。

如上图所示，图片中有一白，一黑对象，背景介于黑白之间。如果我做模板时候，用白对象做模板。

查找对象的时候，考虑极性，就不会找到黑的对象。只会找到白的对象。

查找对象的时候，不考虑极性，那么黑白对象都会找到。

高精度匹配：（只讲与快速匹配不同的地方）

如下图所示，与快速匹配相比，就是多开放2个参数可调。

1，创建模板时，多一个 速度尺度。（快速匹配这个参数不可见，是给了一个默认最大值）这个参数只是限制特征尺度的最大值。

2，运行参数中，xy方向尺度可以单独调试，就是xy两个方向的缩放可以单独调。

运行过程中，使用高度度匹配和快速匹配，使用同样的参数，运行速度不一样。我猜测，还有内在参数不一样。应该是角度匹配的步距，缩放匹配的步距不一样。

图形定位：

如下图所示，制作模板时的图像，比较特殊，是空心矩形和空心十字行。

还有就是高级参数，因为确实对这个参数理解不到位。（目的应该是提高匹配精度）

结合运行参数中，定位类型参数。

图形定位这个算法，除了模板匹配外，还会对匹配到的对象，再进行一次 矩形或十字行匹配。提高匹配精度。（特殊项目，比如mark点是 十字型，或空心矩形）

因为没有实际应用对比，这部分就不展开了。

灰度匹配：

如字面意思，不再是对轮廓特征进行匹配。而是对整个图片的灰度值进行匹配（匹配原理就是滑窗的卷积）。

一般用于图片轮廓对比度太低，或者轮廓太多太杂乱。（其实通常非常少用，该匹配速度慢，鲁棒性，更差）。

其中，制作模板，只有一个参数可调。金字塔层数。（匹配前，先下采样，缩小模板和图片，提高速度）

运行参数有一个 角度步长（因为支持旋转匹配，在匹配的角度范围，要不同角度多次匹配，步长就是决定不同的匹配角度。比如-10 到 +10 ° 范围内匹配，角度步长为1.那么就是 会在 -10，-9，-8......8,9,10。这些角度分别匹配。  如果步长为5。那么只会在 -10，-5,0， 5,10  这几个角度下进行匹配）

以上就是VM 匹配工具的介绍。

由于本贴内容比较多。第二部分，单独再开一贴来讲。（多说一句，轮廓匹配是基于轮廓梯度方向来匹配的。基本原理是linemod的原理，用向量加法优化速度，替代滑窗的卷积。）