检测器阈值 (Detector Threshold) ------ "找不找得到特征点"
-
作用阶段：第一步，特征提取阶段。
-
含义：它决定了系统在实时图像中提取多少个"特征点"（也就是图中那些蓝色的小线条）。
-
表现：
-
调低：系统会变得非常敏感，即便图像边缘很模糊，也会强行提取出很多特征点。
-
调高：系统只认轮廓非常清晰、强烈的边缘。如果环境光变暗导致边缘模糊，调得太高会导致一个特征点都抓不到，直接报错。
-
-
模切建议：如果你的材料边缘很清晰（如金属片），可以设高一点；如果是半透明膜类，边缘对比度低，就需要调低。
2. 匹配器阈值 (Matcher Threshold) ------ "对比模板，够不够像"
-
作用阶段：第二步，结果筛选阶段。
-
含义：这是最终的"打分线"。系统会将提取到的特征与你保存的模板进行对比，计算一个相似度得分。
-
表现：
-
调低：要求很松。哪怕目标缺了一角，或者稍微有点形变，只要还有点像，系统就认为"找到了"。
-
调高：要求很严。目标必须和模板几乎一模一样才能匹配成功。
-
-
模切建议：为了防止激光切错位置，通常匹配器阈值要设得高一些（如 0.7 或 0.8 以上）。如果设太低，系统可能会把背景里的杂质误认为是产品。
在机器视觉（特别是像 OPT Smart3 这种通用视觉软件）中，"图像金字塔"（Image Pyramid）是一个非常核心的概念。简单来说，它是一种多尺度表示方法。
为了让你快速理解，我们可以把金字塔看作是一个"由粗到细"的过程。
1. 什么是图像金字塔？
图像金字塔是指通过对原始图像进行不断的下采样（缩小）而产生的一系列分辨率逐渐降低的图像集合。
-
底层（Level 0）： 原始图像，分辨率最高，细节最丰富。
-
高层（Level N）： 经过多次缩小后的图像，分辨率低，看起来很模糊，但保留了物体的轮廓特征。
2. 你的疑问：层数越低，精度越高吗？
是的，你的理解是正确的。 但在实际操作中，我们需要区分"层数编号"和"搜索过程"：
-
层数越低（接近第0层）： 图像越接近原图。此时像素点之间的间距最小，匹配时可以精细到每一个像素，因此定位精度最高。
-
层数越高（顶部）： 图像被严重压缩。此时进行匹配，速度极快（因为数据量小），但定位非常粗略。
3. 金字塔在匹配（模板匹配）中的逻辑
软件之所以搞出这么多层，不是为了好玩，而是为了平衡速度与精度。典型的"粗到精"匹配流程如下：
-
高层粗寻： 先在金字塔的最顶层（分辨率最低那层）进行全图搜索。因为图像小，计算机瞬间就能跑完，确定目标的大致位置。
-
逐层投影： 将高层发现的"疑似目标区域"投影到下一层（更清晰的一层）。
-
底层精定位： 只有在最后回到**第0层（底层）**时，软件才会进行最终的亚像素级运算，给出最高精度的坐标。
4. 关键参数的影响
在 Smart3 等软件中，你通常可以设置"金字塔层数"：
| 设置项 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 层数设高 | 搜索速度极快，对图像噪声不敏感。 | 如果物体太小，高层可能会把特征"磨平"，导致搜不到。 | 大目标、背景复杂、对速度要求高。 |
| 层数设低 | 保留极微小特征，定位极其精准。 | 计算量巨大，搜索速度慢。 | 小目标、高精度测量、视野范围窄。 |
总结
-
精度： 底层（Level 0） > 高层（Level N）。
-
速度： 高层（Level N） > 底层（Level 0）。
-
误区： 并不是金字塔层数设得越高越好。如果你的产品本身就很小（比如只有 20x20 像素），层数设得太高会导致物体在顶层直接"消失"，从而产生漏检。