對這個課題稍作研究，以便記錄。
在基於邊緣的模版匹配中，我們知道可以有個貪婪度參數可以設置。在Halcon的幫助文檔中，也有對他進行說明。我們在Halcon那本經典的書上，沒有看到對這個參數的解析。不過他也有講到在計算某個候選位置的得分時，如果滿足一定的條件也可以提前結束對得分的判斷，而判定這個點不是一個候選點，原文貼圖如下：
這裏我通俗的講解下爲什麼可以有這個判斷條件，也就是這個公式是如何得到的。
我們知道，某個點的最大得分必然是1，這隻有在每個點都和模版的特徵點信息完全一致的情況下獲取，這個時候，每個點的得分都是1/n，同時單獨一個點的最大得分也是1/n，如果我們設定了目標的最小得分位Smin，那麼當計算到第j個點後，還剩下 n-j 個點沒有計算得分，那麼最理想的情況就是這剩下的 n-j 個點都和模版對應的特徵點完全一樣，這樣，剩下點的最大得分即爲： 1/n *(n - j)， 此時，如果前n個點的累計得分Sj 再加上後續的最大的理想得分 還小於Smin的話，那這個點肯定就不能滿足目標的得分了，即：
公式稍作移位後即得到：
即書中的公式。
當Smin = 0.7時，假如有100個邊緣點，則不同的j 和 對應的臨界值如下圖所示：
前面三十個點對應的臨界值是負數，是沒有什麼意義的，也麼有必要做判斷。
當在程序中做這種判斷時，所進行的操作是安全的，不會帶來任何邏輯上的錯誤，也不會因爲停止繼續計算而造成目標漏判等問題，這個操作也會大大的提高程序的速度，畢竟大部分目標點都是無效的。
另外，如果更加激進一點的判斷手段呢，就是如果前面j個點的累計得分小於 平均值，則認爲他不可能得到目標了，即如果符合下式，則直接退出計算：
很明顯，當我們計算的前j個點恰好位於光照不均勻區或瑕疵區域時，很有可能把有效的目標點給剔除了，這樣就喪失了意義，但是在快接近最後一些匹配點時，這樣的規則就能較爲安全的實現提前退出，因此，在codeproject的一個文章裏，就提出了一個帶貪婪度參數的一個停止計算公式：
其中g表示貪婪度參數，其範圍是[0,1]，當其爲0是，即爲前述的最安全的公式，爲1時，則爲後續的最激進的公式。
這個停止標準呢，在計算特徵點時，前面的一些特徵點使用的是較爲安全的推斷公式，隨着特徵點數量的增加，則越來越向後續激進的公式靠近。
以下是一些比較曲線：
其中紅色爲g = 0.5時的結果，綠色爲g=0.7時的結果，藍色的爲安全的結束線，品紅色的爲最不請安全的停止線。
其實在實際編程時，還要在前面的那個min公式里加上一個max的，即那個停止值不能小於0的。
還是感覺這個公式有點不太完美，應該還可以有更爲合適的公式的。
翻譯
搜索
複製