基于halcon的模板匹配总结

ir油墨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

实验室流化床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；商品电子防盗系统

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；取笔

5-氯-2-戊酮

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；

代码转换优点：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

本文发布于:2024-09-23 14:25:51，感谢您对本站的认可！

标签：图像模板匹配检测灰度边缘

留言与评论（共有 0 条评论）