【Halcon 】Halcon 实战:如何为 XLD 模板添加极性信息以提升匹配精度?

Halcon 实战:如何为 XLD 模板添加极性信息以提升匹配精度?

在使用 Halcon 进行模板匹配时,我们通常有两种方式创建模板:

  • 基于图像灰度(CreateScaledShapeModel
  • 基于轮廓 XLD(CreateScaledShapeModelXld

前者可自动提取边缘极性信息(即边缘是"由暗到亮"还是"由亮到暗"),而后者则因轮廓缺乏原始图像灰度数据,默认不含极性信息

然而,在实际应用中,我们常常基于手动绘制或处理后的轮廓 XLD 创建模板,此时如果继续忽略极性,会在复杂背景下降低匹配精度,甚至出现误匹配。

本文将介绍一种 先创建无极性的轮廓模型,再通过实际图像自动注入极性信息 的技巧。


1️⃣ 问题背景:XLD 模板不支持 use_polarity?

我们在使用如下方式创建模板时,若将 polarity 设置为 "use_polarity",就会报错:

csharp 复制代码
HOperatorSet.CreateScaledShapeModelXld(
    contours,
    "auto",
    angleStartRad,
    angleRangeRad,
    angleStepRad,
    minScale,
    maxScale,
    "auto",
    "auto",
    "use_polarity",      // ⚠ 报错
    contrast,
    out modelID);

这是因为 XLD 轮廓本身不携带灰度信息,Halcon 无法判断边缘方向(极性),从而无法创建包含极性的模型。


2️⃣ 正确方式:先使用 ignore_local_polarity 创建

正确做法是先忽略极性创建模型:

csharp 复制代码
HOperatorSet.CreateScaledShapeModelXld(
    contours,
    "auto",
    angleStartRad,
    angleRangeRad,
    angleStepRad,
    minScale,
    maxScale,
    "auto",
    "auto",
    "ignore_local_polarity",   // ✅ 安全模式
    contrast,
    out modelID);

此时创建的模板没有极性,但可以匹配。


3️⃣ 高级技巧:后处理注入极性信息

Halcon 提供了一个鲜为人知的运算符 set_shape_model_metric,允许我们在首次匹配后,使用真实图像为模板注入极性信息。

✅ 完整流程如下:

① 匹配一次获取模板位姿
csharp 复制代码
HOperatorSet.FindScaledShapeModel(
    image,
    modelID,
    angleStart, angleRange,
    minScale, maxScale,
    0.8, 1, 0.5,
    "least_squares", 0, 0.9,
    out rowMatch, out colMatch,
    out angleMatch, out scaleMatch, out score);
② 创建仿射变换矩阵
csharp 复制代码
HOperatorSet.VectorAngleToRigid(
    0, 0, 0,                         // 模板参考点是 (0,0)
    rowMatch[0], colMatch[0], angleMatch[0],
    out homMat2D);
③ 为模型设置极性
csharp 复制代码
HOperatorSet.SetShapeModelMetric(
    image,
    modelID,
    homMat2D,
    "use_polarity");                 // 🎯 注入极性信息

此操作将遍历模板轮廓,并结合实际图像的灰度变化自动设置每条边的极性。


4️⃣ 后续使用:可正常使用 use_polarity 匹配

一旦极性信息注入完成,后续匹配时可以正常使用极性,从而获得更高的准确率和抗干扰能力。

csharp 复制代码
HOperatorSet.FindScaledShapeModel(
    image,
    modelID,
    angleStart, angleRange,
    minScale, maxScale,
    0.8, 1, 0.5,
    "least_squares", 0, 0.9,
    out rowMatch, out colMatch,
    out angleMatch, out scaleMatch, out score);

Halcon 会自动使用之前注入的极性信息进行匹配。


🧠 总结

步骤 操作 说明
CreateScaledShapeModelXld(..., "ignore_local_polarity") 创建无极性模型
FindScaledShapeModel(...) 匹配一次获得位置
VectorAngleToRigid(...) 得到模板 → 匹配点的变换
SetShapeModelMetric(..., "use_polarity") 注入极性信息

这种方式弥补了 XLD 模板模型初始不支持极性的缺陷。


效果展示

没加极性的匹配效果:

加了极性的匹配效果:

可以看到加了极性之后,匹配精确度更好了。

相关推荐
CodeShare7 分钟前
某中心将举办机器学习峰会
人工智能·机器学习·数据科学
那就摆吧23 分钟前
U-Net vs. 传统CNN:为什么医学图像分割需要跳过连接?
人工智能·神经网络·cnn·u-net·医学图像
深度学习实战训练营34 分钟前
中英混合的语音识别XPhoneBERT 监督的音频到音素的编码器结合 f0 特征LID
人工智能·音视频·语音识别
WADesk---瓜子42 分钟前
用 AI 自动生成口型同步视频,短视频内容也能一人完成
人工智能·音视频·语音识别·流量运营·用户运营
星环科技TDH社区版1 小时前
AI Agent 的 10 种应用场景:物联网、RAG 与灾难响应
人工智能·物联网
时序之心1 小时前
ICML 2025 | 深度剖析时序 Transformer:为何有效,瓶颈何在?
人工智能·深度学习·transformer
希艾席帝恩1 小时前
拥抱智慧物流时代:数字孪生技术的应用与前景
大数据·人工智能·低代码·数字化转型·业务系统
Bar_artist1 小时前
离线智能破局,架构创新突围:RockAI与中国AI的“另一条车道”
大数据·人工智能
双向331 小时前
高性能MCP服务器架构设计:并发、缓存与监控
人工智能
weixin_464078071 小时前
机器学习sklearn:处理缺失值
人工智能·机器学习·sklearn