halcon中模板匹配的案例

在Halcon计算机视觉库中，模板匹配是一种常用的功能，它用于在一个图像中查找一个预定义的模板。例如，你可以将模板匹配应用到产品的识别、车牌号码的定位或者人脸识别等场景。

一个简单的案例可能是这样的：假设你需要检测一张生产线上的产品图片是否包含某种特定的产品模型。首先，你需要准备一个该产品的模板图像。然后，在实际的生产图片上运行模板匹配算法，比如使用`FindObject`函数，这个函数会搜索整个图像，并尝试找出与模板最相似的部分。如果找到匹配区域，其位置和大小可以作为产品存在的证据；如果没有匹配，可能表示图像中不存在或者遮挡了产品。

代码示例（伪代码）：

template_image = LoadImage("product_template.png") // 加载模板图像
input_image = LoadImage("production_line.jpg") // 加载待处理图像

result = FindObject(input_image, template_image) // 模板匹配操作
if IsGoodMatch(result):
    match_position = result.XYMin() // 获取匹配区域的位置
    match_size = result.Size() // 获取匹配区域的尺寸
    // 进行后续处理，如产品分类或报警等
else:
    no_match = True // 未找到匹配

相关问题

halcon模板匹配案例

### Halcon 模板匹配 示例 代码 教程

#### 创建模板模型
为了实现高效的模板匹配，首先需要创建一个合适的模板模型。这可以通过多种方式完成：

- **基于形状的模板匹配**：这种方法适用于大多数情况，并且对光照变化有一定的鲁棒性[^1]。

// 定义并训练形状模型
create_shape_model (TemplateContour, 'angle_start' => -pi / 2,
                    'angle_extent' => pi,
                    'min_scale' => 0.9,
                    'max_scale' => 1.1,
                    'optimization' => 'auto',
                    ShapeModelID)

// 获取形状模型轮廓以便可视化或其他用途
get_shape_model_contours (ShapeModelContours, ShapeModelID, 1)

#### 寻找模板实例
一旦有了模板模型之后，就可以利用该模型去查找目标图像中的相似对象位置了。

对于基于形状的方法来说:

find_shape_model(ImageEdges, ShapeModelID, MinScore, NumMatches, Row, Column, Angle, Scale, ResultHandle);

而对于基于灰度级的相关性方法，则可以采用如下形式调用函数来定位感兴趣区域内的特征点及其方向角度等信息[^4]:

lib_find_ncc_model(GrayImage, RegionOK, MatchCross, 'Pattern/point.ncm', 0.5, 2, 0.8, MatchPoint, MatchAngle, MatchScore);

if (!is_array(MatchPoint))
    throw new Exception('未能检测到焊点');
endif;

上述例子展示了如何处理当找不到任何匹配项时抛出异常的情况。

#### 显示结果
最后一步就是展示识别出来的物体的位置以及其他相关信息给用户查看。

dev_display(Image); // 显示原始输入图片
for i := 0 to length(Row)-1 do begin
    dev_set_color('red'); // 设置画笔颜色为红色
    disp_cross(Row[i], Col[i]); // 绘制十字标记表示找到的目标中心坐标
end;

disp_message(WindowHandle,'得分:'+num2str(Score), 'window','true','align','center');

此部分代码会将原图与所发现的所有匹配项一起呈现出来，并附带一些额外的信息如分数等作为辅助说明。

halcon软件 模板匹配操作

### Halcon 软件中模板匹配的操作指南

#### 创建 NCC 模板并执行匹配

为了实现高效的模板匹配，在 Halcon 中可以利用 `create_ncc_model` 函数创建标准化互相关 (NCC) 模板。此函数允许指定角度范围作为输入参数之一，其中 `AngleStart` 和 `AngleExtent` 定义了可能的旋转区间[^3]。

下面是一个简单的 Python 代码片段展示如何使用 PyHalcon 库调用这些功能：

import halcon as hl

# 加载模板图像和待检测场景图
template_image = hl.read_image('path_to_template')
scene_image = hl.read_image('path_to_scene')

# 设置模型参数
angle_start = -30    # 开始角度
angle_extent = 60     # 角度跨度
min_score = 0.7       # 匹配得分阈值

# 创建 NCC 模型
model_id = hl.create_ncc_model(template_image, angle_start, angle_extent)

# 执行匹配过程
result_ids = hl.find_ncc_model(scene_image, model_id, min_score)

for result_id in result_ids:
    row, column, angle, score = hl.get_ncc_model_result(result_id)
    print(f'Match found at ({row}, {column}) with rotation={angle} and score={score}')
    
hl.clear_ncc_model(model_id)

这段脚本展示了基本的工作流程：加载图片、配置参数、建立模型以及查找最佳匹配位置。通过调整最小分数和其他选项可优化性能表现。

对于更复杂的案例，比如当目标物体大小未知时，则需考虑尺度变化的影响。此时应选用 `create_scaled_shape_model` 来构建能够适应不同尺寸比例的对象轮廓描述符[^2]。