Halcon优化模板匹配速度

Halcon优化模板匹配速度

1. 缩小搜索空间

搜索空间指搜索的范围，它是一个广义的概念，具体形式取决于匹配的方式。搜索空间的含义不仅包括二维图像的两个维度，也包括其他的搜索参数，如旋转角度、缩放倍率、透明度等。从这些搜索参数入手，尽可能精简搜索条件，匹配的速度也会得到一定的提升；反之，搜索的参数范围越大，搜索过程就越耗时。
最常见的缩小搜索空间的方法，是在搜索图像上设置搜索的ROI。这是一种直接的精简方法，缩小了搜索的像素范围。对于拽索目标占整幅图的比例比较小的图像，这种方法提高速度的效果十分明显。
除了ROI分割这种最常用的缩小拽索空间的方法之外，其他缩小拽索空间的方法取决于对应的匹配方法。以形状匹配为例，这种匹配方式可以处理图像中带有旋转、缩放以及部分遮挡的情况。因此，如果要加快搜索速度，可以对旋转和缩放的范围、允许遮挡的比例进行约束。还可以在形状模板参数中修改模板参数，如增大MinContrast的值可以减少匹配时间。因为排除了一些对比度比较低的点，所以会减少一部分搜索内容。
但是，过高的对比度值也会造成低亮度区域的缺失，因此某些情况下，适当地降低对比度值会增加匹配准确率。但是如果对比度太低，匹配过程会把不相关的轮廓也包含进来，从而导致识别效率降低。
此外，使用较小的模板也能加快匹配的速度。但是，尺寸较小的模板不如较大的模板容易识别,因为小的模板里缺少很多关键性的特征信息，因此在匹配的时候难度会变大。

2. 使用图像下采样

除了基于描述符的匹配以外，其他几种匹配方式都用到了图像金字塔。一些匹配算法甚至在创建模板图像时就同步创建了图像金字塔。
下采样原理：假设图像金字塔层级数为s，对于一幅尺寸为MXN的原始图像进行s倍的下采样，即得到（M/s)×（NIs）尺寸的分辨率图像。因此，当金字塔的层级很高时，尺寸小的原图会很快变得细节难辨。因此，原图的尺寸和金字塔的层级数都会影响模板匹配的速度。
除此之外，点的对比度也会在下采样中影响匹配的效率。对比度是衡量目标与背景图像之间局部灰度差异的值。如果一个图像有足够大的尺寸和足够高的点的对比度，那么即使下采样到了金字塔顶层，该图像仍然容易被识别。但是如果图像的对比度很低，则很容易在下采样过程中和背景图像混淆。因此，如果要提高匹配效率，需要有足够高的对比度。