Halcon基于相关性的模板匹配

Halcon基于相关性的模板匹配

基于相关性的模板匹配其实是另一种基于灰度值的匹配，不过它的特点是使用一种归一化的互相关匹配（Normalized Cross Correlation，NCC）来衡量模板图像和检测图像之间的关系，因此，在光照方面受的影响比较小。与经典的基于灰度值的匹配算法不同的是，它的速度要快很多；与基于形状模板的匹配算法相比，它的优势是对一些形状有细微变化的、纹理复杂的或者是聚焦模糊的检测图像都能检索得到。
其原理是：把模板图像中的所有像素按列顺序组成一个行向量a，即模板的特征向量，然后在检测图像上寻找与模板最匹配的区域万，通过计算两个向量的夹角，来衡量匹配的概率，如公式所示。

由公式可知，该算法主要是基于向量之间的相关性，因此受光线影响较小。图中是基于相关性的模板匹配的一个例子。

图（a）为参考图像，从中选取一块矩形区域作为模板图像，并根据其灰度值创建模板。图（b）为检测图像，该检测图像和模板图像相比有轻微的位移、旋转、缩放，以及失焦。尽管图像处于失焦状态，仍得到了理想的匹配结果。
该方法不但能适应光照变化，对小范围的遮挡和缺失也同样适用，同时还适用于聚焦不清的图像和形状变形，因此在实际工程中应用比较广泛。但是，该方法也有其局限性，如果与参考图像相比，检测图像的位移、旋转或者缩放比较大，可能会导致匹配失败。注意，一般应在检测图像中指定匹配区域，然后在该区域中进行搜索。