基于形状的模板匹配

前段时间一直在做图像模板匹配。需要对旋转模板进行匹配，并且对速度精度都有较高的要求。OpenCV里面并没有较好的解决方法。

cvMatchTemplate( const CvArr* image, constCvArr* templ,CvArr* result,int method )
Image  待搜索图像
Templ  模板图像
Result  匹配结果  用来存放通过以下方法计算出滑动窗口与模板的相似值
Method  计算匹配程度的方法

以上函数当模板存在较大旋转时就无法准确匹配了。
OpenCV形状匹配函数 

double cvMatchShapes(void* object1，void* object2，int method)
第一个参数是待匹配的物体1，
第二个是待匹配的物体2，
第三个参数method可以有CV_CONTOURS_MATCH_I1，CV_CONTOURS_MATCH_I2，CV_CONTOURS_MATCH_I3三种输入，这其实就是三种不同的判定物体相似的方法，匹配的返回值也是不一样的。

以上函数匹配精度也不高，只能达到像素级。
特征点匹配如Sift算法等需要图像质量较好，噪声大的图像不适应，而且找到特征点之间一一对应关系是难点。

halcon等商业软件这方面做的很好。halcon基于形状的匹配Shape-Based matching能完美解决工业条件下的模板匹配问题。

HALCON提供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，比如像视频会议中人 体上半身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的，这往往也是要牺牲匹配速度的。基本流程是这样的：

⑴ 首先确定出ROI的矩形区域，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用area_center()找到这个矩形的中心；

⑵ 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进行一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等；

⑶ 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中分离出来，如果灰度值的波动范围是10，则MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为’use_polarity’，则图像中的物体和模板必须有相同的对比度；创建好模板后，这时还需要监视模板，用inspect_shape_model()来完成，它检查参数的适用性，还能帮助找到合适的参数；另外，还需要获得这个模板的轮廓，用于后面的匹配，get_shape_model_contours()则会很容易的帮我们找到模板的轮廓；

⑷ 创建好模板后，就可以打开另一幅图像，来进行模板匹配了。这个过程也就是在新图像中寻找与模板匹配的图像部分，这部分的工作就由函数find_shape_model()来承担了，它也拥有许多的参数，这些参数都影响着寻找模板的速度和精度。这个的功能就是在一幅图中找出最佳匹配的模板，返回一个模板实例的长、宽和旋转角度。其中参数SubPixel决定是否精确到亚像素级，设为’interpolation’，则会精确到，这个模式不会占用太多时间，若需要更精确，则可设为’least_square’,’lease_square_high’，但这样会增加额外的时间，因此，这需要在时间和精度上作个折中，需要和实际联系起来。比较重要的两个参数是MinSocre和Greediness，前一个用来分析模板的旋转对称和它们之间的相似度，值越大，则越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，若为0，则为启发式搜索，很耗时，若为1，则为不安全搜索，但最快。在大多数情况下，在能够匹配的情况下，尽可能的增大其值。
⑸ 找到之后，还需要对其进行转化，使之能够显示，这两个函数vector_angle_to_rigid()和affine_trans_contour_xld()在这里就起这个作用。前一个是从一个点和角度计算一个刚体仿射变换，这个函数从匹配函数的结果中对构造一个刚体仿射变换很有用，把参考图像变为当前图像。





目前调用Halcon函数确实可以解决问题，但最终还是要自主开发，目前的方案是先粗定位再精定位，精度要到亚像素级别，并且能输出角度。

注：转载请注明出处！