邊緣匹配＋單直線，通過直線擬合模塊獲得直線的特征值（直線角度和直線點坐標）。

匹配作為粗定位使用，直線擬合模塊根據(jù)粗定位自動改變位置；對于目標比較固定的情況，可不采用粗定位功能。

當不需要粗定位時，可跳過匹配類參數(shù)調(diào)整，直接對測量類參數(shù)進行調(diào)整。

        通過圖像方法主處理下拉框選擇 邊緣匹配＋單直線

【鼠標操作】通過鼠標改變 ROI 的大小，并拖放至適當?shù)奈恢米鳛閷W習的模板。鼠標改變 LGA 的大小并拖放至量測的區(qū)域。

【方法學習】保存該方法及模板

VPP：表示有效點百分比例

點擊高級參數(shù)進行匹配類參數(shù)調(diào)整

【個數(shù)】希望尋找的目標數(shù)量

【分數(shù)】目標與模板間的相似度分數(shù)

【比例容差】目標與模板間的大小比例變化

【角度基準】目標在圖像中的旋轉(zhuǎn)角度

【角度容差】在＜角度基準＞基礎(chǔ)上的尋找角度范圍

【匹配位置】分數(shù)最大，最左邊的，最右邊的，最上邊的，最下邊的

           當圖像中存在多個目標時，可選擇返回其中符合位置的一個。

【模板類型】Consistent edge、Thin Structure

Consistent edge：是默認的選項，表示邊緣特征為連續(xù)的曲線。大部分情況下使用該參數(shù)即可。

           Thin Structure：針對特征邊緣比較靠近而容易被認為是同一邊緣曲線的情況，比如兩條靠得很近的平行直線。

【模板修改】彈出模板修改框?qū)δ０暹M行修改

【最小特征點數(shù)】模板邊緣的最小特征點數(shù)目，表示在金字塔頂層模板保留的邊緣點數(shù)。

               該數(shù)值越大，能提高在頂層初步匹配的準確性。

【最大特征點數(shù)】模板邊緣的最大特征點數(shù)目，默認為 1024

               算法將根據(jù)設(shè)定的特征點數(shù)目，均勻提取模板邊緣上的特征點。

               例如模板邊緣點數(shù)目為 2000 點，算法將均勻提取 1024 點特征；

               若模板邊緣點數(shù)目為 700 點，那么算法將提取全部 700 點特征。

     對于邊緣模糊的圖像，提高特征點數(shù)有利于提高匹配準確度。

說明：

【角度基準】與【角度容差】的關(guān)系舉例，假如角度基準設(shè)置成 0 度，角度容差設(shè)置成 5 度，即算法將在

［－5 ＋5］度的范圍內(nèi)

模板修改

   如模板存在干擾的邊緣特征點，可通過鼠標操作進行模板修改。

如下圖，算法在提取邊緣特征點時，將不再考慮被涂的紅色區(qū)域。

Gauge 量測模塊參數(shù)調(diào)整

【使用匹配粗定位】 選擇是否需要粗定位。勾選后，量測模塊的姿態(tài)將跟隨匹配到的目標姿態(tài)進行改變

【采樣點】 勾選后，顯示所有直線上的特征點，對調(diào)整下面的高級參數(shù)有幫助。如下圖：

【測量參數(shù)】

形狀的擬合，首先是通過在設(shè)定的方向上尋找出邊緣點，再進行相關(guān)形狀的擬合的。測量參數(shù)全部都是針對每一條路徑上的像素曲線變化率進行操作的。

形狀擬合中某一條路徑的尋點 路徑上的像素曲線及其變化率

   上右圖中，紅色曲線代表了左圖中紅色路徑上像素值的排列；藍色線代表了像素值曲線的變化率， 數(shù)學上是像素值曲線的一階導數(shù)�？梢院唵蔚乩斫�，變化率曲線上的一個峰或一個谷對應(yīng)的就是一個邊緣上的過渡點，即是我們要尋找的邊緣點。

形狀擬合的基礎(chǔ)是每一條路徑上的尋找邊緣點操作，而尋找邊緣點操作主要是對像素曲線變化率的控制。

   像素變化率曲線上會有若干個概念，如下圖所示：

上圖中，藍色為像素變化率曲線。底下的藍色直線代表的是 Threshold；Threshold 與峰值（或谷值）

之間的差稱為 Amplitude；由 Threshold 及高于 Threshold 以上的變化率曲線圍成的稱為 Area。

＜1＞ 選擇：包括 From Begin、From End、Largest Amplitude、Largest Area 及 Closet

          可能在一條路徑上會尋找到若干個過渡點，通過該參數(shù)控制選取哪一個作為邊緣點。From Begin：指從設(shè)定尋點方向開始的第一個過渡點作為邊緣點

From End： 指從設(shè)定尋點方向開始的最后一個過渡點作為邊緣點Largest Amplitude：以 Amplitude 最大值的過渡點作為邊緣點Largest Area：以 Area 最大值的過渡點作為邊緣點

Closet：以最靠近擬合模塊的中點線的過渡點作為邊緣點

下面 3 圖分別為 Largest Area、Largest Amplitude 及 From Begin 情況下的選擇的邊緣點。

＜2＞采樣步長：形狀擬合過程中的采樣點間隔

＜3＞閾值： 高于此值的像素變化率峰值（或谷值）才被考慮成過渡點

＜4＞濾波：徑向平滑系數(shù)，可過濾路徑上像素噪點

濾 波 ＝ 0                                                            濾 波 ＝ 10

擬合路徑上有一黑色噪點，調(diào)整濾波值做中值濾波，噪點被過濾，最終選擇了下方的擬合點。

＜5＞鄰比：形狀擬合時，一條路徑上可能出現(xiàn)多個過渡點。該參數(shù)表示當前邊緣點的選擇參考鄰近多少個路徑的取點情況。

鄰 比 ＝ 0                                                                    鄰 比 ＝ 9

                 調(diào)整鄰比值表示右上圖中的紫色窗口，當前路徑將參考紫色窗口內(nèi)其它點的選擇情況，放棄黑色噪點。

＜6＞最小幅值：高于此值的像素變化率曲線值才被考慮成邊緣點

＜7＞最小面積： 高于此值的像素變化率曲線值才被考慮成邊緣點

【差異點剔除】

差異點是遠離有效點集合的點，它的出現(xiàn)會影響形狀（直線、圓、矩形）的逼近程度，需要將其剔除。下圖所示為剔除圓上的差異點：

＜1＞濾波次數(shù)：在擬合過程中檢測差異點的次數(shù)

＜2＞濾波閾值：該值的倒數(shù)即為所有邊緣點到擬合出的直線的平均距離。

         到擬合直線距離大于該平均距離的點即為差異點。

＜3＞有效點比例：未被剔除的點即為有效點，該參數(shù)表示有效點占所有邊緣點的比例。

           該參數(shù)能檢測出直線邊是否有損壞。

函數(shù)取值

   執(zhí)行 SY＿IP＿ImgProc（）進行處理，返回 ImgProcResult 結(jié)果。其中，X、Y 為直線上某點坐標，

LineAngle 為直線角度。