C# 基于OpenCv的视觉工作流-章40-特征找图
本章目标：
一、 图像查找原理；
二、 特征匹配；
三、 计算变换矩阵；
四、 目标定位；
特征找图是提取查找图像的特征，去匹配被找图像的特征（即在章38、章39的基础上），得到匹配的两组特征点后，用两组特征点计算出变换关系（变换矩阵），最后将查找图像四角点，通过变换矩阵，计算出四角点在被找图中的位置，实现定位。。
一、图像查找原理
如下图，根据两图中的点对应关系，可计算得到变换矩阵。详细原理，见文末链接
计算矩阵可用此算子
二、 特征匹配
参考章38-BF特征匹配，不再详述
三、 计算变换矩阵
OpenCv 单应性矩阵可如下使用
Mat HMat = Cv2.FindHomography(point1, point2, HomographyMethods.Ransac, ransacReprojThreshold, null);
其中：参数1，为查找图(模板小图)的匹配点；
参数2，为被查找图（大图）的匹配点；
参数3，为计算方法；
参数4，为允许错误阈值；
说明：匹配点至少四个（四个计算方程式）
四、目标定位
先计算原图像的四个角点，组成点数组，再通过变换矩阵计算出在被找图中的四点位置。
OpenCv可如下使用
var srcPoint = Cv2.PerspectiveTransform(img1Bounds, HMat);
其中：参数1，为查找图(模板小图)的四个角点；
参数2，为变换矩阵；
srcPoint，为输出的定位点；
将定位点绘制成矩形框，效果如下图，得到图像的定位
"VisionTool 探迹"免费视觉工具
下载地址：https://pan.baidu.com/s/11tktKOSnepLNIEqNbvnv6w?pwd=qv5i
版本已更新为V1.0.0.2，更新内容如下：
1.增加点查找；
2.增加交点查找；
3.增加轮廓点距，实现两轮廓各点间距测量；
4.增加点-点间距，实现独立点与独立点的距离测量；
5.增加点-线间距，实现独立点与独立线的距离测量；
6.增加线-线间距，实现独立线与独立线的距离测量；
7.增加线-线角度，实现独立线与独立线的角度测量；
8.增加轮廓段距，实现两轮廓的分段间距测量；
9.缺陷检测模块中，修复ROI显示功能；
"VisionTool Halcon"付费视觉工具
下载地址：https://pan.baidu.com/s/1v832KTonDYS6oNnWG2iZtQ?
对应系列文章"C# 基于Halcon的视觉工作流"，欢迎前往阅读。
上述内容需要一定的技术功底，本章至此已结束，欢迎阅读下章，谢谢！