select_shape_proto是一個非常有用的region篩選算子，但是由於難以理解，因此一般人使用得不是太多。
算子簽名如下：
select_shape_proto(Regions, Pattern : SelectedRegions : Feature, Min, Max : )
其中Feature可以取這7種模式：'distance_center'、'distance_contour'、'distance_dilate'、'fits'、'overlaps_rel'、'overlaps_abs'、'covers'。
下面逐個解析。
提供一張圖供讀者研究驗證：
select_shape_proto(Regions, Pattern, SelectedRegions, 'distance_center', 0 ,60)
distance_center：判斷Regions中每個region的中心（area_center）距離Pattern中心的距離，Min和Max控制距離的下限和上限，可以取負數。
distance_contour：判斷Regions中每個region的邊緣距離Pattern邊緣的距離,Min和Max控制距離的下限和上限，可以取負數。
需要注意的是，如果Pattern中的區域是不連續的，也就說Pattern通過connection操作以后可以變成多個region，那么此時'distance_center'、'distance_contour'模式的篩選結果較難預料，要盡量避免這種情況。例如下面這樣的Pattern：
distance_dilate：和distance_contour極為類似，當Pattern的膨脹量為Min~Max中的某個值時，Regions中剛好（注意“剛好”這兩個字）能與Pattern有交集的region被選出。在計算方法上與'distance_contour'模式有極細微的區別，更大的區別是——如果Pattern中的區域不連續，也不影響'distance_dilate'模式的這一特性。
但是'distance_dilate'模式有個非常嚴重的缺點，當Regions中的元素非常多（例如超過50個）的時候，該模式下整個算子執行時間非常長，經常超過1秒鍾。此時如果用'distance_contour'模式設法實現類似的功能，效率遠高於'distance_dilate'模式。
select_shape_proto(Regions, Pattern, SelectedRegions, 'fits', Min, Max )
fits：判斷Regions中每個region通過平移（shift，不能旋轉）能不能完全蓋住（fit）Pattern,如果能，則將這些region篩選出來；這里參數'Min'、'Max'無效。
（圖中三個大的矩形和紅色圓平移以后都能完全蓋住藍色的小矩形Pattern，因此被選出）
select_shape_proto(Regions, Pattern, SelectedRegions, 'overlaps_rel', 5 ,6)
overlaps_rel：根據Pattern和Regions中每個region的重疊部分進行篩選,overlaps_rel定義為重疊部分面積和當前region面積的比值，用於篩選的重疊比例由參數'Min'、'Max'控制，有效取值為0-100。
（圖中紅色矩形和大圓（'margin形式表示'）的重疊部分占紅色矩形的比例為5.76875%，剛好位於Min和Max之間，因此被選出）
overlaps_abs：跟overlaps_rel類似，不過由比值（相對值）改成了重疊的絕對值，即重疊的像素面積。
covers：看了半天、試了半天，沒搞懂這個模式的規律，以后再說。
使用經驗：就我個人來說，我覺得這7種特征模式中'distance_center'、'distance_contour'、'distance_dilate'、'overlaps_rel'最有用。