一：进一步学习了
今天学习下VisionMaster中的平行线查找，这个还是拟合直线的衍生应用，可以同时测量两条线段，输出中线
二：开始学习
1：什么是平行线查找？
按照传统的算法，必须是开两个窗口，每一个窗口检测一条边，然后计算两条直线的中线，为后续的应用场景输出中线，这样就比较麻烦，现在一个窗口直接搞定，简单直接快速
2：应用场景：这个应用场景其实在机器视觉的场景下应用还是非常广泛的
（1）在精密制造中，平行线检测常用于评估零件的加工精度。例如，检测金属板材、玻璃面板或机械部件的平行边缘是否满足工艺要求
（2）在PCB板检测中，需确保元件的引脚排列平行且间距一致
三：直接上案例
1：先导入需要测试的图片集合
2：使用轮廓定位，把两个组件的线连起来，这里是需要设定模版匹配功能，这样图像不管怎么旋转都能准确定位图像位置，具体操作步骤可以参考前面课程
3：拖入位置修正功能：这个非常重要，这里也不提了，可以参考上一篇笔记
4：拖入平行线查找模块
5：双击组件，开始设定参数
（1）：首先得先画ROI: 这里在需要测量的地方画一个矩形，比如现在需要测量PIN角的最大距离，就可以把需要测量的区域框起来
（2）：接下来需要设定参数了：参数核心含义其实还是和拟合直线是一致的，当然个别参数有点区别，下面说明下参数含义
1）：边缘对类型：
最宽：检测ROI内间距最大的边缘对
最窄：检测ROI内间距最小的边缘对。
最强：检测ROI内边缘对平均梯度最大的边缘对
最弱：检测ROI内梯度最小的边缘对
第一对：检测ROI内边缘对中心与搜索起始点最近的边缘对
最后一对：检测ROI内边缘对中心与搜索起始点最远的边缘对
最接近：检测ROI内和理想宽度最接近的边缘对集合
最不接近：检测扫ROI内和理想宽度最不接近的边缘对集合
2）：边缘极性：从黑到白：就是梯度变化是黑色像素向白色像素过渡的边缘点
从白到黑：就是梯度变化是白色像素向黑色像素过渡的边缘点
任意：只要有梯度变化并且满足条件的点
3）：边缘阈值：边缘梯度，只有实际的边缘梯度数值大于这个设定值，才会有效检测到边缘
4）：卡尺数量：定义卡尺的数量，相当于每个卡尺检测一个点
5）：最大角度差：两条目标直线的角度差小于该值时才会被判定为平行线
6）：剔除点数，剔除距离：和剔除距离配合使用，允许坐标点到对应拟合直线的最大距离(像素)
7）：滤波尺寸：设定边缘的清晰程度条件，边缘如果越清晰，这个数值就要减小
8）：投影宽度：类似于ROI宽度，就是每一个小检测框的宽度，数值越大，可以相对获取更加稳定一点的坐标点
9）：初始拟合：局部：按照局部的特征点来拟合
全局:以查找到的全局特征点进行直线拟合。
10）：拟合方式：提供了三个拟合算法，三种拟合算法权重的计算方式有些差异
四：实测：上述设定好参数，开始实际测量看看效果，不同的检测模式下的检测效果
