一个基于可变比例的匹配的halcon实例及详解.docxVIP

一个基于可变比例的匹配的实例及详解 ? 楼主#  HYPERLINK javascript:; 更多发布于：2014-03-26 10:05 昨天说到的有两个有用的例子和大家分享，一个是基于1:1比例的匹配的实例，一个是基于可变比例的匹配，?今天的例子是基于可变比例的匹配。?* 读取一个轮廓模型（shape model），使这个模型可放大或缩小地进行寻找匹配。?dev_close_window ()?dev_open_window (0, 0, 600, 600, black, WindowHandle)?read_image(Image,L:/Halcon test/mk3.jpg)?* 选取一张有各种大小，角度，甚至变形的商标的图片做测试?*read_image(Image,L:/Halcon test/mk5.jpg)?gen_rectangle1 (ROI, 57.8333, 49.5, 181.167, 342.833)?* 画一个矩形选择ROI，矩形在左上角，覆盖一个完整的，无变形规定尺寸的商标，作为模板?reduce_domain(Image,ROI,ImageReduced)?* 大图和这个矩形的ROI相减就会得到一个左上角的商标的图案作为模板，命名ImageReduced?inspect_shape_model (ImageReduced, ModelImages, ModelRegions, 5, 40)?* 创建一个对比的模型，后面两个参数：第一个是层数（NumLevels，如5层），第二个是对比度阈值（具体用法效果还不是很明白）?* 这里看到前面有位朋友之前提到不理解金字塔层数的意义，这里解释一下，如图：??金字塔层数在inspect_shape_model设置为5层，那么相应的在create_scaled_shape_model 创建为5层，在find_scaled_shape_model查找为5层，上图中的5个紫色的箭头指的是就是金字塔层数，层数越多越容易被查找，反应的速度也就越快，一般是1-10层，但要注意保证最底层依然能被识别，主要是作为模板的图片的精度影响。一般5层左右识别的速度都可以接受了。?create_scaled_shape_model (ImageReduced, 5, rad(-180), rad(360), 0, 0.1, 5.0, 0, [none,no_pregeneration], ignore_global_polarity, 40, 10, ModelID)* 创建一个比例不变的匹配的轮廓模型?* create_scaled_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleMin, ScaleMax, ScaleStep, Optimization, Metric, Contrast, MinContrast : ModelID) * 01、Template,//reduce_domain后的模板图像?* 02、NumLevels,//金字塔的层数，可设为“auto”或0—10的整数* 03、AngleStart,//模板旋转的起始角度?* 04、AngleExtent,//模板旋转角度范围, =0* 05、AngleStep,//旋转角度的步长， =0 and =pi/16?* 06、ScaleMin,//模板最小比例* 07、ScaleMax,//模板最大比例?* 08、ScaleStep,//模板比例的步长* 09、Optimization,//设置模板优化和模板创建方法?* 10、Metric, //匹配方法设置* 11、Contrast,//设置对比度?* 12、MinContrast,//设置最小对比度* 13、ModelID,//输出模板句柄?* write_shape_model (ModelID, mk.shm)?* 把这个模型保存成一个shm模板*clear_shape_model (ModelID)?stop()?*read_shape_model (mk.shm, ModelID)find_scaled_shape_model (Image, ModelID, rad(-180), rad(360), 0.1, 5.0, 0.5, 0, 0.5, least_squares, 5, 0.8, Row, Column, Angle, Scale, Score)?* 匹配一个比例不变的轮廓模型，参数和创建的参数差不多get_shape_model_contours (Mode