halcon roi模板匹配

### Halcon ROI 模板匹配使用方法

在Halcon中，模板匹配是一项重要的功能，广泛应用于工业检测和其他计算机视觉任务。对于基于ROI（感兴趣区域）的模板匹配，主要涉及以下几个方面：

#### 创建形状模型
为了提高匹配效率和准确性，通常会先创建一个形状模型。此过程涉及到定义模板及其对应的ROI。`create_shape_model` 函数用于构建形状模型，在图像模板中传递，作为用于匹配的形状模型。模型的ROI作为模板域传递[^1]。

// 定义模板图像中的兴趣区域 (Region of Interest, ROI)
gen_rectangle1(StartX, StartY, EndX, EndY, Rectangle);

// 将ROI应用到模板上
reduce_domain(ImageTemplate, Rectangle, ImageReduced);

// 基于减少后的图像创建形状模型
create_shape_model(ImageReduced, 'angle_start', 'angle_end', 'scale_min',
                   'scale_max', 'optimization', 'metric', MinContrast,
                   ShapeModelID);

#### 裁剪图像以优化性能
当处理特定场景下的对象识别时，可以利用 `crop_domain` 函数来获取输入图像中有值区域的最小外接矩形，去除无用部分，使后续计算更加高效[^4]。

// 对原始图像进行裁剪，保留有效信息
crop_domain(ImageInput, RegionOfInterest, ImageCropped);

#### 执行模板匹配
完成上述准备工作之后，就可以调用相应的算法执行模板匹配操作了。这里假设已经有一个预先建立好的形状模型 ID (`ShapeModelID`) 可供使用。

find_shape_models(ImageSearchArea, ShapeModelID, AngleStep, ScaleStep,
                  MinScore, NumMatches, MaxOverlap, SubPixelHint, ResultHandle);

通过调整角度步长(`AngleStep`)、尺度步长(`ScaleStep`)以及其他参数设置，能够灵活控制搜索精度与速度之间的平衡关系[^2]。