接上贴所提到，轮廓匹配是基于轮廓梯度方向来匹配的。基本原理是linemod的原理，用向量加法优化速度，替代滑窗的卷积。

本人认为vm轮廓模板也是使用该原理。

Linemod算法小结原文链接：https://blog.csdn.net/zmdsjtu/article/details/79933822

linemod原理原文链接讲解的很清楚。下文主要讲一下实现中的问题以及 mv对比halcon速度实测。

匹配原理已经有了。工程实现是个问题。我们轮廓模板匹配，只需要2D，而且需要旋转，缩放。

所以创建模板对象的时候，需要根据不同的金字塔层，创建不同步长（旋转步长，缩放步长）的模板。

以下就是工程实现过程中，我认为的一个提升速度方法：

匹配的时候，由高层开始匹配。根据高层匹配程度（速度快，精度差），决定底层匹配（速度慢，精度高）时，是否需要剪裁无效区域后再匹配。

例如：假设模板尺寸（i*j），原图尺寸（m*n）,假设取了五层金字塔层。  

先在第五层下匹配。第五层模板尺寸（i/32  * j/32）.第五层原图尺寸（m/32 * n/32）。全角度，全缩放 匹配到的坐标是 (c1,r1)。

然后再第四层匹配。第五层模板尺寸（i/16  * j/16）.第五层原图尺寸（m/16 * n/16）。全角度，全缩放 匹配到的坐标是 (c2,r2)。

如果(c1,r1)*2 = (c2,r2) （等于或偏差2个像素以内）。可以认为这个匹配点是正确的，那就直接跳到原图去匹配。并把匹配区域缩小 只比模板大20个像素。

即：原模板  尺寸（i*j）, 原图尺寸（i+20  *  j+20）。在这个尺度范围内匹配，角度和缩放，取刚才对比的最大范围。这样极大加快是匹配速度，同时保证了匹配精度。

如果(c1,r1)*2 ！= (c2,r2）（等于或偏差比较大），那继续去第三差匹配。丢掉第五层。让第三层与第四层匹配结果对比。依次类推。

使用同一组图片测试。图片分辨率是 5472*3648  两千万黑白图片。

用一组图片测试 vm 快速匹配 平均时间大概是35ms   精度匹配 平均时间大概是 45ms

而用halcon测试， 平均时间大概是 5ms

本测试不是非常严谨，主要是vm可调参数少，只能是让vm可调参数与halcon的一致，其他参数控制不了。

本测试只能大致的说明，halcon在调整好参数后，可以做到高速匹配。2000万图片，5ms。真的非常快了。

当然VM也很优秀，35ms。这个速度，基本上可以满足99.9%以上的项目需求。

(因为把全图查找，缩小为局部查找（2000*2000范围 400万像素内）速度迅速提升，耗时只要10ms左右。

（我自己写的匹配算法，大概要120ms左右。还有很大的进步空间。）

以上就是模板匹配的分享。

在工程中，模板匹配是最常用的工具。主要用来纠正对象位置不一致。

接着就是位置修正。然后是精定位，比如找圆。找直线，找交点，找垂线等等。

下图是halcon的组手工具，显示的是halcon最基础也是最重要的工具。其中就有 “模板匹配”，测量矩形 ，标定，字符训练检测，图片采集。

下一篇，测量矩形   测量矩形是所有测量的基础，是找圆，找直线的基础。