如下，我們將介紹匹配的第一個操作：準備模板

初始時刻，我們準備好參考圖像，并對其做一定的處理，然后我們需要從參考圖像中導出模板，也就是將參考圖像裁剪成所謂的模板圖像。獲取模板圖像可以通過設置ROI來完成。對于某些應用來說，也可以使用綜合模板代替模版圖像。綜合模板既可以是綜合創造的模板圖像，也可以是一個XLD輪廓。

裁剪參考圖像，使之成為模板圖像

為了創建模板圖像，我們需要從參考圖像中選取ROI，并使用 reduce_domain裁剪圖像的定義域為我們選取的ROI。這樣我們就創建了模板圖像，后續將作為匹配算子的輸入參數。

選取ROI有兩種方法：

• 直接指定法。
  我們可以直接指定區域的參數進而直接生成區域。HALCON 提供了多種算子用來創建區域，既包括標準的形狀像矩形（gen_rectangle2）或者橢圓(gen_ellipse) 到自由形狀的區域，比如多邊形區域(gen_region_polygon_filled).為了使用這些算子，你需要這些區域的參數，比如矩形的位置、大小、方向或者園的位置和半徑。如果這些參數不能直接獲得，你可以使用draw算子，比如你可以在打開的圖像上畫一個形狀，然后返回其參數。這些算子可以在HDevelop菜單 Operators :fa-play: Graphics :fa-play: Drawing 獲得。
• 通過圖像處理獲得區域。
  有時我們可以通過圖像處理獲得區域，如閾值處理分割圖像、通過blob分析connection、fill_up、select_shape等可以選取某種特征的區域。

綜合模板圖像，作為模板圖像的替代選擇

綜合模板圖像

綜合模板圖像主要應用于 correlation-based 匹配和所有基于輪廓的2D方法 比如 shape-based, component-based, local deformable, and perspective deformable matching.
如下我們舉例說明。

我們想要定位電容。如果我們選擇明亮的圓域作為ROI區域，則會發現該區域包括大量的噪聲點。因此最后匹配出的電容只有一個。如果我們改進之前的圓區域，換成一個環形區域作為ROI，則最后匹配出理想的電容區域。但是即使這樣，環形區域使得內部的區域丟失了一部分，而且仍然包含部分噪點，所以不理想。

最好的方法是使用綜合模板圖像。具體步驟如下：
Step 1: 創造一個XLD輪廓
首先我們使用算子gen_ellipse_contour_xld創造一個圓形區域。

RadiusCircle := 43
SizeSynthImage := 2*RadiusCircle + 10
gen_ellipse_contour_xld (Circle, SizeSynthImage/2, SizeSynthImage/2, 0, 
RadiusCircle, RadiusCircle, 0, 6.28318, 'positive', 1.5)

注意合成圖像應該比區域大一些，因為對于 shape-based matching，當創建圖像金字塔時，區域外面的像素也被使用。
Step 2: 創造一個圖像，并將XLD插入圖像中
然后我們使用算子gen_image_const創造一個空的圖像，并使用算子* paint_xld*將XLD輪廓插入圖像中.

gen_image_const (EmptyImage, 'byte', SizeSynthImage, SizeSynthImage)
paint_xld (Circle, EmptyImage, SyntheticModelImage, 128)

Step 3: 創建模型
使用綜合模板創建模型。

請注意：
完整的代碼，見：HDevelop 項目 solution_guide/matching/synthetic_circle.hdev

來自XLD輪廓的模型

對于 shape-based matching 和 the local and perspective deformable matching，你不必要從一個XLD輪廓中創建一個綜合模板圖像，因為你可以直接使用XLD輪廓作為模板。比如說，對于shape-based matching, 你不必要提供一幅圖像，選擇ROI，然后調用 create_shape_model, create_scaled_shape_model, or create_aniso_shape_model其中之一去創建模型。

相反，你可以簡單地調用create_shape_model_xld, create_scaled_shape_model_xld, or create_aniso_shape_model_xld使用XLD輪廓作為輸入參數。

舉例說明。如下的完整項目，見 HDevelop example program： examples\hdevelop\Matching\Shape-Based\create_shape_model_xld.dev:

gen_circle_contour_xld (ContCircle, 300, 300, MeanRadius, 0, 6.28318, \
'positive', 1)
create_shape_model_xld (ContCircle, 'auto', 0, 0, 'auto', 'auto', \
'ignore_local_polarity', 10, ModelID)

對于 local and perspective deformable matching 的處理也可以相應的被使用。這里你可以使用算子create_local_deformable_model_xld for the local deformable matching and create_planar_uncalib_deformable_model_xldor create_planar_calib_deformable_model_xld, respectively, for perspective deformable matching.

初始時刻不知道極性，因為輪廓不提供極性。所以需要在一個有代表性的圖像中做實驗，看看如何設置極性。開始忽略極性,即參數
Metric設置為ignore_local_polarity，后面設置極性.可以調用算子set_shape_model_metric for shape-based matching,set_local_deformable_model_metric
for local deformable matching, and set_planar_uncalib_deformable_model_metric or
set_planar_calib_deformable_model_metric, respectively, for perspective deformable matching.
然后極性信息就被存儲到模型中。然后在接下里的搜索算子中可以通過參數
Metric設置各位合適的值，如’use_polarity’. 這種處理強烈推薦給迅速且魯棒的搜索。

find_shape_model (Image, ModelID, 0, 0, 0.7, 0, 0, 'least_squares', 0, 0.9, Row, Column, Angle, Score)... accessing the indices of the matches
... that represent suitable drill holesvector_angle_to_rigid (0, 0, 0, Row[HoleIndices[0]], Column[HoleIndices[0]], Angle[HoleIndices[0]], HomMat2D)set_shape_model_metric (Image, ModelID, HomMat2D, 'use_polarity')for Index := 2 to 9 by 1read_image (Image, 'brake_disk/brake_disk_part_'+Index$'02d')find_shape_model (Image, ModelID, 0, 0, 0.7, 0, 0,   'least_squares', 0, 0.9, Row, Column, Angle, Score)
endfor

如下圖為示意圖：

注：關于極性的選擇。



1. 使用極性模式： 要求模板與圖像黑白亮度對應。
2. 忽略模板全局極性： 不需要模板與圖像黑白亮度對應
3. 忽略局部極性： 不需要模板與圖像黑白亮度對應，允許變化。