halcon 模板匹配 -- 轉化 vector_angle_to_rigid

********************************模板匹配 ********************
create_shape_model
創建模板，這個函數有許多參數，其中金字塔的級數由Numlevels指定，值越大則找到物體的時間越少，AngleStart和AngleExtent決定可能的旋轉范圍，AngleStep指定角度范圍搜索的步長；這里需要提醒的是，在任何情況下，模板應適合主內存，搜索時間會縮短。對特別大的模板，用Optimization來減少模板點的數量是很有用的；MinConstrast將模板從圖像的噪聲中分離出來，如果灰度值的波動范圍是10，則MinConstrast應當設為10；Metric參數決定模板識別的條件，如果設為’use_polarity’，則圖像中的物體和模板必須有相同的對比度；創建好模板后，這時還需要監視模板，用inspect_shape_model()來完成，它檢查參數的適用性，還能幫助找到合適的參數；另外，還需要獲得這個模板的輪廓，用於后面的匹配，get_shape_model_contours()則會很容易的幫我們找到模板的輪廓；

create_shape_model_xld

find_shape_model
它也擁有許多的參數，這些參數都影響着尋找模板的速度和精度。這個的功能就是在一幅圖中找出最佳匹配的模板，返回一個模板實例的長、寬和旋轉角度。其中參數SubPixel決定是否精確到亞像素級，設為’interpolation’，則會精確到，這個模式不會占用太多時間，若需要更精確，則可設為’least_square’,’lease_square_high’，但這樣會增加額外的時間，因此，這需要在時間和精度上作個折中，需要和實際聯系起來。比較重要的兩個參數是MinSocre和Greediness，前一個用來分析模板的旋轉對稱和它們之間的相似度，值越大，則越相似，后一個是搜索貪婪度，這個值在很大程度上影響着搜索速度，若為0，則為啟發式搜索，很耗時，若為1，則為不安全搜索，但最快。在大多數情況下，在能夠匹配的情況下，盡可能的增大其值。

vector_angle_to_rigid
affine_trans_contour_xld
找到之后，還需要對其進行轉化，使之能夠顯示，這兩個函數vector_angle_to_rigid()和affine_trans_contour_xld()在這里就起這個作用。前一個是從一個點和角度計算一個剛體仿射變換，這個函數從匹配函數的結果中對構造一個剛體仿射變換很有用，把參考圖像變為當前圖像

基於形狀匹配的參數關系與優化
                       
    在HALCON的說明資料里講到了這些參數的作用以及關系，在上面提到的文章中也作了介紹，這里主要是重復說明一下這些參數的作用，再強調一下它們影響匹配速度的程度；
    在為了提高速度而設置參數之前，有必要找出那些在所有測試圖像中匹配成功的設置，這時需考慮以下情況：
    ① 必須保證物體在圖像邊緣處截斷，也就是保證輪廓的清晰，這些可以通過形態學的一些方法來處理；
    ② 如果Greediness值設的太高，就找不到其中一些可見物體，這時最后將其設為0來執行完全搜索；
    ③ 物體是否有封閉區域，如果要求物體在任何狀態下都能被識別，則應減小MinScore值；
    ④ 判斷在金字塔最高級上的匹配是否失敗，可以通過find_shape_model（）減小NumLevels值來測試；
    ⑤ 物體是否具有較低的對比度，如果要求物體在任何狀態下都能被識別，則應減小MinContrast值；
    ⑥ 判斷是否全局地或者局部地轉化對比度極性，如果需要在任何狀態下都能被識別，則應給參數Metric設置一個合適的值；
    ⑦ 物體是否與物體的其他實例重疊，如果需要在任何狀態下都能識別物體，則應增加MaxOverlap值；
    ⑧ 判斷是否在相同物體上找到多個匹配值，如果物體幾乎是對稱的，則需要控制旋轉范圍；
如何加快搜索匹配，需要在這些參數中進行合理的搭配，有以下方法可以參考：
    ①  只要匹配成功，則盡可能增加參數MinScore的值；
    ②  增加Greediness值直到匹配失敗，同時在需要時減小MinScore值；
    ③  如果有可能，在創建模板時使用一個大的NumLevels，即將圖像多分幾個金字塔級；
    ④  限定允許的旋轉范圍和大小范圍，在調用find_shape_model（）時調整相應的參數；
    ⑤  盡量限定搜索ROI的區域；
     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，因為在后面的實驗中，用模板匹配進行視頻對象跟蹤的過程中，這個值在很大程度上影響到匹配的速度。
    當然這些方法都需要跟實際聯系起來，不同圖像在匹配過程中也會有不同的匹配效果，在具體到某些應用，不同的硬件設施也會對這個匹配算法提出新的要求，所以需要不斷地去嘗試。
********************************模板匹配 ********************