halcon模板匹配源码

### Halcon 模板匹配的实现

#### 创建 NCC 模型
为了准备一个模板，`create_ncc_model` 操作符接收图像 `Template` 并将其转换为 ncc 模型。此过程涉及计算归一化互相关系数，以便后续可以在其他图像中高效地找到相似区域[^1]。

// C++ 示例代码展示如何创建NCC模型
HObject ho_TemplateImage;
HTuple hv_ModelID;

// 加载模板图像
read_image(ho_TemplateImage, "path_to_template");

// 创建NCC模型
create_ncc_model(ho_TemplateImage, &hv_ModelID);

#### 形状基础的模板匹配
除了基于灰度的相关性方法外，还有基于形状的方法来提高鲁棒性和准确性。这种方法通过轮廓特征而不是整个图像的内容来进行匹配，在复杂背景下特别有用[^2]。

// 使用OpenCV模拟HALCON中的形状匹配功能
cv::Mat templateImg = cv::imread("template.png", 0);  
cv::Mat targetImg = cv::imread("target.png", 0);

std::vector<cv::Point> matchLocs;
double threshold = 0.8;

// 进行模板匹配并获取位置
matchShapes(templateImg, targetImg, CV_CONTOURS_MATCH_I1, matchLocs, threshold);

#### 多种模式下的模板匹配
对于更复杂的场景需求，可以组合多种策略如基于形状、基于灰度、基于相关性的算法以及支持变化的比例因子等特性。这允许在一个统一框架内处理不同类型的对象识别任务[^3]。

using System.Collections.Generic;
using HalconDotNet;

public class MultiModeTemplateMatching {
    private HTuple modelIDs;

    public void AddTemplate(string imagePath){
        HObject image = new HObject();
        read_image(out image, imagePath);
        
        // 添加更多参数配置以适应特定应用场景的需求
        create_shape_model(image, out var id, ... );
        this.modelIDs.TupleConcat(id);
    }

    public List<HObject> FindMatches(HObject sceneImage){
        List<HObject> matches = new List<HObject>();
        foreach(var id in this.modelIDs){
            find_shape_models(sceneImage, id, ..., out var foundModels);
            matches.AddRange(foundModels);
        }
        return matches;
    }
}