基於形狀匹配shape_model是工程上用的最多的，掌握它就有了一張王牌。
針對ROI小區域建模板，應用場合： 模板的形狀和大小一經制作完畢便不再改變，在查找模板的過程中，只會改變模板的方向和位置等來匹配目標圖像中的圖像。定位對象內部的灰度值可以有變化，但對象輪廓一定要清晰平滑。匹配速度比灰度快
【創建模板參數 create_shape_model】
create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
create_shape_model (ImageROI, NumLevels, 0, rad(360), 'auto', 'none', 'use_polarity', 30, 10, ModelID)
【檢察inspect_shape_model 可選】
inspect_shape_model(Image : ModelImages, ModelRegions : NumLevels, Contrast : )
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
inspect_shape_model (ImageROI, ShapeModelImages, ShapeModelRegions, 8, 30)
【保留輪廓后用get_shape_model_contours 可選】
get_shape_model_contours( : ModelContours : ModelID, Level : )
獲得這個模板的輪廓，用於后面的匹配
get_shape_model_contours (ShapeModel, ModelID, 1)
【搜尋匹配find_shape_model】
find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)
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
參數設置：
find_shape_model (SearchImage, ModelID, 0, rad(360), 0.7, 1, 0.5, 'least_squares', 0, 0.7, RowCheck, ColumnCheck, AngleCheck, Score)
【 結果轉化 vector_angle_to_rigid或 affine_trans_contour_xld】
后期結果的仿射變換和輪廓處理
【涉及參數詳解】
Numlevels：
指定金字塔級數，值越大用時越少，但要保證最高層至少四個點信息，值越大模塊不易識別出來，需要設低 MinScore和Greediness
判斷在金字塔最高級上匹配是否失敗，可find_shape_model減小NumLevels值來測試；
用 inspect_shape_model函數的輸出結果來選擇一個較好的金字塔層數
AngleStart、AngleExtent：
決定可能的旋轉范圍，find時只找這個范圍內匹配
判斷是否在相同物體上找到多個匹配值，如物體幾乎對稱的，則要控制旋轉范圍；
AngleStep：
指定角度范圍搜索的步長，auto時可以用 get_shape_model_params查看
Optimization：
設置none所有模型點都會被存儲，對特別大的模板，不設none用來減少模板點的數量。如果點數設少了，對應 Greediness設一個比較小值
還可選擇預處理（pregenerated completely），'pregeneration'或'no_pregeneration'。根據內存和時間折中
Contrast：
有三個參數，第一個數值是比較低的閾值，第二個數值是比較高的閾值。第三個數值是在基於組件尺寸選擇重要模型組件時所設置的閾值，可以用 determine_shape_model_params自動確定。
MinConstrast：
將模板從噪聲中分離，如果灰度值波動范圍是10，則應設10
物體是否具有較低的對比度，又要能識別，減小MinContrast值；
設置為'auto'，最小對比度會基於模板圖像中的噪聲自動定義。
自動在圖像和噪聲近似時才用。在某些情況下為了遮擋魯棒性，也用
Metric：
決定模板識別條件，如果設’use_polarity’，則圖中物體和模板必須有相同對比度，都是亮底黑字等， 'ignore_global_polarity',在兩者對比度完全相反時也能找到目標。
判斷是否全局或局部地轉化對比度極性，又要能識別，設置Metric合適值
Greediness：
搜索貪婪度，影響搜索速度，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。
值設的太高，就找不到其中一些可見物體，這時將其設0來執行完全搜索
如果為0，使用安全的搜索啟發式，只要模板在圖像中存在就一定能找到，相對浪費時間。為1，使用不安全的搜索啟發式，這樣即使模板存在於圖像中，也有可能找不到模板，但只是少數情況。如果設置Greediness=0.9，在幾乎所有的情況下，總能找到模型的匹配。
MinScore：
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。
物體是否有封閉區域，又要能識別，則減小MinScore值
SubPixel：
決定是否精確到亞像素級，設為’interpolation’，則會精確到，這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，需要在時間和精度上作折中
通常為'interpolation'。如果希望最小二乘就選擇'least_squares'， 這樣才能確保運行時間和精度的權衡。
MaxOverlap：
如果有重疊，又要能識別，增加MaxOverlap值
MaxOverlap=0, 找到的目標區域不能存在重疊, 為1，所有找到的目標區域都要返回。
使用的說明：
*保證物體在圖像邊緣處截斷，也就是保證輪廓的清晰
速度上的優化：
*只要匹配成功，則盡可能增加參數MinScore的值
*增加Greediness值直到匹配失敗，同時在需要時減小MinScore值
*如果有可能，在創建模板時使用大NumLevels，即將圖像多分幾個金字塔級
*限定允許的旋轉范圍和大小范圍，調find_shape_model時調整相應參數
*盡量限定搜索ROI的區域
*Greediness值盡可能大，用模板匹配進行視頻對象跟蹤時，它很大程度上影響匹配速度
看了感覺怎么樣？來說說吧。。。
喜歡記得關注起來！趕緊的。