wordpress黑糖主题企业seo网站营销推广

前言

模板匹配是机器视觉领域，尤其是工业视觉领域内，自动化经常要使用的一个视觉算法应用模式。在VP里面，有几种简单的模版匹配的算子，这里大致介绍一下VP的PatMax。

在视觉应用领域，搜索匹配的特征是经常要用到的方法。VP里面对于搜索匹配有几个不同类型的算子，

 其中的特点我归纳于下：

 本讲，我们主要讲PMAlign。

 

---

简介

Like other pattern-location technologies, PatMax trains a pattern, then locates one or more instances of that pattern in one or more run-time images. PatMax differs from other pattern-location technologies in that it is not based on pixel grid representations that cannot be efficiently and accurately rotated or scaled. Instead, PatMax uses a feature-based representation that can be transformed quickly and accurately for pattern matching.

和其他的模板匹配技术一样，PatMax通过在一个图像或者一个实时的运行图片中，设定一个或者多个匹配模版 。PatMax的主要特点，和其他的模板匹配技术不同的地方，在于他不是通过Pixel的觉得网格来匹配（这种方法往往在准确定位和缩放的时候效率低下），还是基于【案，我认为是抽象的特征】特征的表达，这样可以很快并且准确的获取匹配的结果。【由此，可以用于旋转和缩放发生的时候，单纯的pixel的对照无法实现的匹配】

---

模板训练和术语

1 PatMax 简介

PatMax can be trained from an image that contains features similar to those you wish to find at run time, or it can be trained from a geometric description of the target features. PatMax training results in a pattern that contains geometric features.

PatMax模板训练，通过设定的一些方法， 在实时运行的时候，找到相近的特征，并把目标特征转为几何表述。 

上图为PatMax的逻辑图，模板训练有两个类型，一个是形状训练和图像训练，并由此生成包括几何特征的模板。

1.1 PatMax 模板

The PatMax software supports two pattern-location algorithms: PatMax and PatQuick. PatMax offers higher accuracy and additional score information compared to PatQuick, but requires more time to execute.

PatMax包括， PatMax and PatQuick，两种处理模式，区别就是PatMax更精确一点，并包括了一个计分的计算，由此需要更多的计算时间。

PatMax Patterns

PatMax extracts patterns from the images of objects you acquire. A PatMax pattern is a collection of geometric features and the spatial relationship between them, where each feature is a collection of points on the boundary between two regions of dissimilar pixel values.

 PatMax 从待测图像中抽象出来模板。这些被抽象出来的模板就是收集了几何特征，和空间关系的一个集合，这些特征其实就是在一个阈值区域的Pixel值， 在阈值内被认为符合特征的点集，否则就是不符合特征的点集，由此图像进行了特征分割。

上图，显示了图像，模板，特征的抽象和被抽象的关系。

---

理解模板的变换（Transformation）的意义：

1 模板变化的衡量尺度 - degree

PatMax算子，可以表现支持一下3种图像模板的变化：

• Size (overall size change or individual x- and y-axis size change)
• Rotation
• Location

 具体可以用下面6种变化来定义：

degree of freedom：

Part of a transformation that can be characterized by a single numeric value such as angle

【案，有关degree的定义，应该是在一下六个方面的变更程度的一个衡量标准】

 

【案，Uniform scale,应该是比例缩放的意思，图例的说明很明白，无需过多说明。每一种形式的变更，我们都可以用这种形式的程度变量degree来衡量】

2 组合的模板变化：

 

 上图，展示了一个组合的尺度变化。

Patmax算子，可以找到训练模板【案，这个是在算子的配置的时候，通过一些设定的方法，在图像中选取匹配的特征组合】在上面6个尺度的变化情况。

当然， PatMax 可以配置到你设定的上述6个方面的某个方面的自由度[案，这里借鉴了工程力学的定义】的衡量，并以0 到 1 的数值来衡量模板匹配度【案，这里匹配度就是和训练模板和找到的特征的相识程度】