时至今日，模板匹配在定位识别应用中仍占据着绝对统治地位，它是工业图像处理领域的重要角色之一。在机器视觉应用中，模板匹配是一个关键任务，模板匹配技术能够帮助我们快速准确地找到目标图像中的特定特征并输出位置信息，可直接用于产品的定位识别，或者辅助其他检测算法(如直线检测、圆检测等)做位置补正。为此，雷赛LeadVision视觉软件平台提供了快速精确的轮廓匹配算法。

　　PART 01

　　轮廓匹配概述

　　什么是轮廓匹配?

　　轮廓匹配是基于几何特征的模板匹配算法，它是通过提取ROI区域的边缘、角点、重心等特征信息作为模板，然后在检测图像中搜索与模板相似的目标，并返回目标的位置信息。轮廓匹配通常包括以下两大数据处理步骤：

　　(1)基于图像感兴趣区域(ROI)的特定特征创建模板。

　　(2)通过模板在图像中搜索与模板匹配的目标。

　　如何选择轮廓模板?

　　好的轮廓模板包括如下几个条件：

　　(1)建模区域内有效特征点的对比度较高，轮廓清晰完整，噪声干扰较少。

　　(2)轮廓特征具有唯一性且在搜索角度内对称性较低，否则容易误判。

　　(3)模板大小适当，一般不超过图像的一半。

　　噪声多且对称性高

　　轮廓清晰完整

　　应用场景

　　1.产品定位

　　当产品轮廓清晰可辨且对定位精度要求不苛刻的情况下，可直接使用轮廓匹配算法输出的位置坐标作为定位应用的数据来源。

　　2.位置补正

　　当检测生产线上移动的工件时，通常难以通过预设ROI进行诸如直线检测、圆弧检测、间距测量等操作，可通过轮廓匹配识别工件周边的特征点，来实时跟踪和定位工件的位置，进而补正检测ROI的位置。

　　3.计数统计

　　当产品具有相同的形状特征时，可用于产品的计数统计。

　　PART 02

　　LeadVision软件平台实现

　　1、目标

　　通过轮廓匹配定位如下零件的中心位置。

　　2、创建工程

　　(1)新建工程

　　打开LeadVision软件，在菜单栏选择“工程”→“新建工程”，弹出新建工程对话框，输入相机数、任务流程数、工程名称和保存路径，如下图所示。

　　(2)相机配置在菜单栏选择“相机”→“相机配置”，弹出相机设置对话框，本例图像来源为本地图像文件夹(如果实际连接了相机，此处勾选相机);图像来源路径中输入相对路径(./samples/images/轮廓匹配)，当然也可以通过打开文件对话框，选择图片存放的绝对路径;其他参数按默认配置即可，最后单击“保存设置”，如下图所示。注意：图像来源路径为相对路径时，输入完路径后，需按回车生效。

　　(3)设置基准图像

　　基准图像用于配置后续各工具参数使用，每新建一个工程都需要设置基准图像。在菜单栏选择“图像”—》“基准图像”，弹出基准图像设置对话框。点击“打开”选择一张基准图像，然后修改基准图像的备注名称(如基准零件)，便于个人识别。

　　3、搭建流程

　　基于轮廓匹配的定位流程，整体效果如下所示，下文逐一介绍各工具的使用。

　　(1)添加“图像采集”工具。在“工具列表”中，鼠标左键点击“采集图像”，拖动到Task1的处理流程后松开鼠标左键，即实现该工具的加载。双击“图像采集”，弹出“图像采集”对话框，可配置该工具参数，该工具使用默认参数即可。

　　(2)添加“轮廓匹配”工具。

       同上述操作，拖放“轮廓匹配”工具到处理流程中，双击配置该工具参数。如上文所述，轮廓匹配包括两大数据处理流程，创建模板和搜索模板。Step1：创建模板在“基本设置”TAB页中，选择基准图像来训练模板区域，如下图所示操作步骤。

       ①在“基准图像”下拉列表，选择“1(基准零件)”作为建立模板的图像。并在“显示图像选择”下拉列表框中，选中基准图像显示。

       ②在“模板区域及掩膜区域” 下拉列表框中，选择ROI形状，并将ROI拖动到需要作为模板的图像区域。如果需要屏蔽模板区域的干扰区，可添加掩膜区域，将掩膜ROI拖动到需要屏蔽的图像区域。本案例模板ROI区域选择“旋转矩形区域”，无掩膜ROI区域。

       ③根据轮廓实际效果，设置滤波方式、边缘梯度阈值。本案例轮廓清晰无噪点，所以选择无滤波，自动阈值即可。

       ④点击训练模板，完成模板创建并观察模板效果。建议勾选区域调整时自动训练模板和显示特征点，便于实时观察ROI区域拖动过程中提取的模板特征点。

　　Step2：搜索模板

　　切换到“搜索参数”TAB页面，设置运行时匹配模板的参数。比如，当搜索图像与模板相似度低时，可调低匹配阈值，提高匹配机会，但这也会增加错误匹配的机会。再比如，当匹配速度慢时，可将金字塔级别提高，以加快形状轮廓检测速度。本案例参数设置如下所示。

　　最后切换到“处理结果”TAB页面，确认能正常匹配模板，然后点击“确认”，保存轮廓匹配的所有参数。至此，该工具配置完成。参数详情请查看《LeadVision用户手册V1.0.0.0》。

       (3)添加“结果显示”工具

       同上述操作，拖放“结果显示”工具到处理流程中，用于显示运行时零件的中心X坐标、中心Y坐标、角度和旋转矩形ROI。下图演示添加中心X坐标的过程，其他类同。至此，基于轮廓匹配的定位识别项目搭建完成。

　　4、运行结果

　　单次连续运行“running”按钮，试运行流程，观察运行效果如下。

　　PART 03

　　匹配参数详解

　　01、金字塔层级

　　图像匹配是一个非常耗时的过程，而金字塔数据结构可以优化匹配速度。所谓金字塔就是在原图像的基础上逐级缩小图像尺寸，例如：第一层原始图像尺寸为 2592×1944，第二层为 1298×972，第三层为 649×486，……，如此递减。金字塔每高一层，图像的数据就减少4倍，图像分辨率下降，但图像处理速度就可提高4倍。

　　为了加速匹配过程，算法会对匹配的图像建立图像金字塔，采用金字塔数据结构进行图像匹配，其过程如下：(1)进行图像压缩，构建各层金字塔图像。(2)在图像金字塔的最高层对目标进行识别，并记录下其高层匹配位置。(3)将高层的匹配位置映射到比其低一层的图像，继续进行匹配，依次迭代。 (4)直到映射到最低层的图像，即原始图像，记录匹配位置。该位置就是图像的最佳匹配位置。LeadVision视觉软件平台在进行轮廓匹配时，支持金字塔自动优化分层，自动建立金字塔数据结构，当然金字塔层数也可以手动设置。

　　02、匹配阈值

　　匹配目标与已创建模板的相似程度，即相似度阈值，搜索时在相似度达到该阈值时才会被确认为目标，最大是100，表示完全契合。

　　03、搜索角度

　　设置待匹配目标相对于已创建模板的搜索角度范围。创建模板的特征图形，其角度为0度。当搜索有旋转变化的目标时，需根据目标的旋转角度范围设置该参数(取值范围0°~360°或 -180~180)，否则可能导致匹配失败。

　　04、匹配极性

　　匹配极性表示图形边缘到背景的颜色过渡情况，如从暗到明或从明到暗。默认为考虑极性，可缩短查找时间。如果查找目标的极性和模板的极性不一致时，仍要保证目标被查找到，则需将该参数设置为忽略极性。

　　05、缩放比例

　　设置待匹配目标相对于已创建模板的缩放比例。搜索存在尺度缩放的目标时，需设置该参数，有效值范围为0.8~1.2。

　　06、允许遮挡率

　　当匹配目标存在遮挡时，匹配对象所允许的最大遮挡比例，遮挡率小于该值的对象将被正常匹配，范围0~0.75。