基于halcon的模板匹配总结
1）基于灰度的模板匹配
原理：计算模板图像和检测图像之间像素灰度差值的绝对值总和（SAD方法）或者平方差总和（SSD方法）
适用对象：目标图像光照比较稳定
2）基于相关性的模板匹配
原理：依旧 是基于灰度值得匹配，但是是使用一种归一化的互相关匹配（NCC）来衡量模板和检测图像之间的关系，受光照方面的影响比较小。是将模板图像中所有像素按照顺序组成一个行向量的模板的特征向量，然后再检测图像上寻找与模板最匹配的区域，通过计算 两个向量的夹角，来衡量匹配的概率；
优点：适用于光照变化，对小范围的遮挡和损失也能适用，同时还适用于聚焦不清楚的图像和形状变形；
缺点：检测图像位移、旋转或者缩放比较大会导致匹配失败；
3）基于形状的模板匹配
原理：是基于边缘方向梯度的匹配。该方法是以物体边缘的梯度相关性为 匹配标准，提取兴趣区区域内的边缘特征，根据模板的大小和清晰度要求生成多层级的图像金字塔模型，接着再图像金字塔层自上而下逐层搜索模板图像，直至搜索到底层或者确定的匹配结果为止；
优点：对很多干扰因素不敏感，如光照和图像灰度发生变化，甚至支持局部边缘缺失杂乱场景，噪声，失焦，轻微变形；
缺点：不适用于旋转和缩放比较大的情况
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！