關於模板匹配的一個小補充：
做了一個很小型的模板匹配用於缺陷檢測的應用，測試結果發現模板使用銳化后疊加原圖的圖片效果會比較好。
測試過程同樣存在圖片數量不足的問題。
模板匹配針對缺陷可能存在多種不同形態的檢測不合適。
發現一個現象，我用作檢測模板的那一個50*50的矩形缺陷是符合正態分布的。
高斯混合模型GMM
halcon中其他常用的分類器：
多層感知器（MLP）（BP神經網絡）
支持向量機（SVM）
halcon中注意圖像變量和控制變量使用上的區別，對於控制變量，可以使用||來獲取數組長度，但是不能對圖像變量這么做。
如果想要獲取圖像變量的長度，需要使用count_obj來做（配合select_obj）。
注意select_obj按照index選擇對象，這里的index是從1開始的。
打了一遍class_citrus_fruits的例程，分類橘子和檸檬，總結一下使用gmm做分類的步驟：
- 讀取訓練用的圖片，訓練用的圖片應當是分類好的而不是幾類混合在一起的；
- 使用threshold等相關算子將圖像中要用來分類的部分篩選出來，以計算橘子和檸檬的特征；
- 將面積和圓度作為分類的標准，設置分類器；
- 讀取多張圖片中多個橘子和檸檬，將特征提取出來設置到分類器中；
- 訓練模型
- 使用相同的方法找出測試用圖片中的重點區域，用訓練好的分類器進行識別和做標記。
使用這個分類器的必要條件：
- 不同類別之間有明顯的可供區別的特征，並且可以將他們計算出來
- 用來分類的圖像能夠容易的找到他們的邊緣， 也即目標物體與背景色區別較大。
# LAWS紋理濾波應用於缺陷檢測
基本原理：結合GMM分類器，對於沒有缺陷的測試樣本，應該能夠分類，對於有缺陷的樣本，會分不出類。使用分類后的圖像與原圖像相減，得出缺陷區域。