基于HALCON的模板匹配方法總結(jié)

1、基于HALCON的模板匹配方法總結(jié) 分類： halcon學(xué)習(xí) 2013-06-26 16:02 47人閱讀 評(píng)論(0) 收藏 舉報(bào) halcon形狀匹配算法德國(guó)MVTec公司開發(fā)的HALCON機(jī)器視覺開發(fā)軟件，提供了許多的功能，在這里我主要學(xué)習(xí)和研究了其中的形狀匹配的算法和流程。HDevelop開發(fā)環(huán)境中提供的匹配的方法主要有三種，即Component-Based、Gray-Value-Based、Shape-Based,分別是基于組件（或成分、元素）的匹配，基于灰度值的匹配和基于形狀的匹配。這三種匹配的方法各具特點(diǎn)，分別適用于不同的圖像特征，但都有創(chuàng)建模板和尋找模板的相同過程。這三種方法里面

2、，我主要就第三種基于形狀的匹配，做了許多的實(shí)驗(yàn)，因此也做了基于形狀匹配的物體識(shí)別，基于形狀匹配的視頻對(duì)象分割和基于形狀匹配的視頻對(duì)象跟蹤這些研究，從中取得較好的效果，簡(jiǎn)化了用其他工具，比如VC+來開發(fā)的過程。在VC下往往針對(duì)不同的圖像格式，就會(huì)弄的很頭疼，更不用說編寫圖像特征提取、模板建立和搜尋模板的代碼呢，我想其中間過程會(huì)很復(fù)雜，效果也不一定會(huì)顯著。下面我就具體地談?wù)劵贖ALCON的形狀匹配算法的研究和心得總結(jié)。1.       Shape-Based matching的基本流程HALCON提供的基于形狀匹配的算法主要是針對(duì)感興趣

3、的小區(qū)域來建立模板，對(duì)整個(gè)圖像建立模板也可以，但這樣除非是對(duì)象在整個(gè)圖像中所占比例很大，比如像視頻會(huì)議中人體上半身這樣的圖像，我在后面的視頻對(duì)象跟蹤實(shí)驗(yàn)中就是針對(duì)整個(gè)圖像的，這往往也是要犧牲匹配速度的，這個(gè)后面再講?；玖鞒淌沁@樣的，如下所示：首先確定出ROI的矩形區(qū)域，這里只需要確定矩形的左上點(diǎn)和右下點(diǎn)的坐標(biāo)即可，gen_rectangle1()這個(gè)函數(shù)就會(huì)幫助你生成一個(gè)矩形，利用area_center()找到這個(gè)矩形的中心；然后需要從圖像中獲取這個(gè)矩形區(qū)域的圖像，reduce_domain()會(huì)得到這個(gè)ROI；這之后就可以對(duì)這個(gè)矩形建立模板，而在建立模板之前，可以先對(duì)這個(gè)區(qū)域進(jìn)行一些處理，

4、方便以后的建模，比如閾值分割，數(shù)學(xué)形態(tài)學(xué)的一些處理等等；接下來就可以利用create_shape_model()來創(chuàng)建模板了，這個(gè)函數(shù)有許多參數(shù)，其中金字塔的級(jí)數(shù)由Numlevels指定，值越大則找到物體的時(shí)間越少，AngleStart和AngleExtent決定可能的旋轉(zhuǎn)范圍，AngleStep指定角度范圍搜索的步長(zhǎng)；這里需要提醒的是，在任何情況下，模板應(yīng)適合主內(nèi)存，搜索時(shí)間會(huì)縮短。對(duì)特別大的模板，用Optimization來減少模板點(diǎn)的數(shù)量是很有用的；MinConstrast將模板從圖像的噪聲中分離出來，如果灰度值的波動(dòng)范圍是10，則MinConstrast應(yīng)當(dāng)設(shè)為10；Metric參數(shù)決

5、定模板識(shí)別的條件，如果設(shè)為use_polarity，則圖像中的物體和模板必須有相同的對(duì)比度；創(chuàng)建好模板后，這時(shí)還需要監(jiān)視模板，用inspect_shape_model()來完成，它檢查參數(shù)的適用性，還能幫助找到合適的參數(shù)；另外，還需要獲得這個(gè)模板的輪廓，用于后面的匹配，get_shape_model_contours()則會(huì)很容易的幫我們找到模板的輪廓；創(chuàng)建好模板后，就可以打開另一幅圖像，來進(jìn)行模板匹配了。這個(gè)過程也就是在新圖像中尋找與模板匹配的圖像部分，這部分的工作就由函數(shù)find_shape_model()來承擔(dān)了，它也擁有許多的參數(shù)，這些參數(shù)都影響著尋找模板的速度和精度。這個(gè)的功能就是在

6、一幅圖中找出最佳匹配的模板，返回一個(gè)模板實(shí)例的長(zhǎng)、寬和旋轉(zhuǎn)角度。其中參數(shù)SubPixel決定是否精確到亞像素級(jí)，設(shè)為interpolation，則會(huì)精確到，這個(gè)模式不會(huì)占用太多時(shí)間，若需要更精確，則可設(shè)為least_square,lease_square_high，但這樣會(huì)增加額外的時(shí)間，因此，這需要在時(shí)間和精度上作個(gè)折中，需要和實(shí)際聯(lián)系起來。比較重要的兩個(gè)參數(shù)是MinSocre和Greediness，前一個(gè)用來分析模板的旋轉(zhuǎn)對(duì)稱和它們之間的相似度，值越大，則越相似，后一個(gè)是搜索貪婪度，這個(gè)值在很大程度上影響著搜索速度，若為0，則為啟發(fā)式搜索，很耗時(shí)，若為1，則為不安全搜索，但最快。在大多數(shù)情

7、況下，在能夠匹配的情況下，盡可能的增大其值。找到之后，還需要對(duì)其進(jìn)行轉(zhuǎn)化，使之能夠顯示，這兩個(gè)函數(shù)vector_angle_to_rigid()和affine_trans_contour_xld()在這里就起這個(gè)作用。前一個(gè)是從一個(gè)點(diǎn)和角度計(jì)算一個(gè)剛體仿射變換，這個(gè)函數(shù)從匹配函數(shù)的結(jié)果中對(duì)構(gòu)造一個(gè)剛體仿射變換很有用，把參考圖像變?yōu)楫?dāng)前圖像。其詳細(xì)的流程圖和中間參數(shù)，如下圖所示：（無法上傳）2.       基于形狀匹配的參數(shù)關(guān)系與優(yōu)化     在HALCON的說明資料里講到了這些參數(shù)的作用以及關(guān)

8、系，在上面提到的文章中也作了介紹，這里主要是重復(fù)說明一下這些參數(shù)的作用，再?gòu)?qiáng)調(diào)一下它們影響匹配速度的程度；在為了提高速度而設(shè)置參數(shù)之前，有必要找出那些在所有測(cè)試圖像中匹配成功的設(shè)置，這時(shí)需考慮以下情況：     必須保證物體在圖像邊緣處截?cái)?，也就是保證輪廓的清晰，這些可以通過形態(tài)學(xué)的一些方法來處理；     如果Greediness值設(shè)的太高，就找不到其中一些可見物體，這時(shí)最后將其設(shè)為0來執(zhí)行完全搜索；     物體是否有封閉區(qū)域，如果要求物體在任何狀態(tài)下都能被識(shí)別，則應(yīng)減小

9、MinScore值；     判斷在金字塔最高級(jí)上的匹配是否失敗，可以通過find_shape_model（）減小NumLevels值來測(cè)試；     物體是否具有較低的對(duì)比度，如果要求物體在任何狀態(tài)下都能被識(shí)別，則應(yīng)減小MinContrast值；     判斷是否全局地或者局部地轉(zhuǎn)化對(duì)比度極性，如果需要在任何狀態(tài)下都能被識(shí)別，則應(yīng)給參數(shù)Metric設(shè)置一個(gè)合適的值；     物體是否與物體的其他實(shí)例重疊，如果需要在任何狀態(tài)下都能識(shí)別物

10、體，則應(yīng)增加MaxOverlap值；     判斷是否在相同物體上找到多個(gè)匹配值，如果物體幾乎是對(duì)稱的，則需要控制旋轉(zhuǎn)范圍；如何加快搜索匹配，需要在這些參數(shù)中進(jìn)行合理的搭配，有以下方法可以參考：       只要匹配成功，則盡可能增加參數(shù)MinScore的值；       增加Greediness值直到匹配失敗，同時(shí)在需要時(shí)減小MinScore值；       如果有可能，在創(chuàng)建模板時(shí)使用一個(gè)大的NumLevels，即將圖像多分幾個(gè)金字塔級(jí)；       限定允許的旋轉(zhuǎn)范圍和大小范圍，在調(diào)用find_shape_model（）時(shí)調(diào)整相應(yīng)的參數(shù)；       盡量限定搜索ROI的區(qū)域；除上面介紹的以外，在保證能夠匹配的情況下，盡可能的增大Greediness的值，因?yàn)樵诤竺娴膶?shí)驗(yàn)中，用模板匹配進(jìn)行視頻對(duì)象跟蹤的過程