一、基本原理

NCC是基于统计学计算两组样本的相关性算法，其取值范围为【-1，1】之间，而对图像来说，每个像素看成RGB的向量，整个图像就是一个样本集合。如果它有一个子集，与另一个样本数据相互匹配，则它的NCC值为1；表示相关性很高，如果是-1，表完全无关；基于此原理实现模板的匹配识别，其第一步需要归一化数据，数学公式：

$\widetilde{f}=\frac{f-\mu}{\sigma}$

其中，f表示p点灰度值， $\mu$ 表示窗口内像素平均值， $\sigma$ 表示标准方差。

假如t表示模板像素值，则：

$NCC=\frac{1}{n-1}\sum_{x,y}^{}\frac{(f(x,y)-\mu_f)(t(x,y)-\mu_t)}{\sigma_f\sigma_t}$

其中n是模板像素总数，n-1是自由度。

二、实现方法

1）获取模板像素的均值、标准差、像素和均值的fiff数据样本。

2）根据模板大小，在目标图像上，从上到下、从左到右平移模板，计算每移动一个像素后，模板与图像区域的NCC值，并且记录在中心点位置。完成后，各点的NCC和阈值比较，超出阈值的就是匹配结果。

3）用矩形框标志匹配位置。

4）使用UI输出。

三、Halcon的NCC匹配

Halcon的ncc模板使用，由两个函数完成：create_ncc_model和find_ncc_model配合完成。以下我们准备了一个图片，来诠释这种匹配的

3.1 create_ncc_model和find_ncc_model函数

函数原型：

create_ncc_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Metric : ModelID)

Template: 模板的图像，可以是矩形，也可以是圆。
NumLevels：是模板的层次，如果一层，就用“auto”
AngleStart, AngleExtent, AngleStep：此三个表示角度模板旋转，起始角、终止角、旋转步长。
Metric：匹配标准
ModelID：模板标号

find_ncc_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels : Row, Column, Angle, Score)

Image：被检测的图像
ModelID：模板编号
AngleStart, AngleExtent：角度
MinScore：匹配分数
NumMatches：匹配，命中的模板数
MaxOverlap,
SubPixel：
NumLevels：模板层数
Row, Column, Angle, Score：返回值，命中的行、列、角度、分数值。

四、案例

1 打开一个灰度图像文件：

read_image (Image, 'F:/images/hugeImg/gtexst.jpg')
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_update_window ('off')

2 生成模板

gen_circle (Circle, 210,692, 41)
area_center (Circle, Area, RowRef, ColumnRef)
reduce_domain (Image, Circle, ImageReduced1)
disp_image(ImageReduced1,WindowHandle)

gen_circle (Circle, 701,854, 59)
area_center (Circle, Area, RowRef, ColumnRef)
reduce_domain (Image, Circle, ImageReduced2)
disp_image(ImageReduced2,WindowHandle)

生成两个圆形模板

create_ncc_model (ImageReduced1 , 5, 0, 10, 'auto', 'use_polarity', ModelID1)
get_ncc_model_params(  ModelID1 ,NumLevels, AngleStart, AngleExtent, AngleStep, Metric)

create_ncc_model (ImageReduced2 , 5, 0, 10, 'auto', 'use_polarity', ModelID2)
get_ncc_model_params(  ModelID2 ,NumLevels, AngleStart, AngleExtent, AngleStep, Metric)

3 模板匹配

find_ncc_model (Image, ModelID1, 0, 10, 0.5, 1, 0.5, 'true', 0, Row1, Column1, Angle, Score1)
find_ncc_model (Image, ModelID2, 0, 10, 0.5, 1, 0.5, 'true', 0, Row2, Column2, Angle, Score2)

4 标出匹配区域

dev_set_draw ('margin')
dev_set_colored (12)
dev_set_line_width (3)
dev_display (Image)

gen_rectangle1(Rectangle1, Row1-41, Column1-41, Row1+41, Column1+41)
gen_rectangle1(Rectangle2, Row2-59, Column2-59, Row2+59, Column2+59)
dev_set_window(WindowHandle)
dev_display(Rectangle1)
dev_display(Rectangle2)

五、相关函数列举

5.1 可能前置项：

draw_region
reduce_domain
threshold

5.2 可能后置项：

find_ncc_model
get_ncc_model_params
clear_ncc_model
write_ncc_model
set_ncc_model_origin
set_ncc_model_param

5.3 可能替代项：

create_shape_model
create_scaled_shape_model
create_aniso_shape_model
create_template_rot

文章出处登录后可见！

已经登录？立即刷新

halcon原理：相关性匹配