【Halcon 】Halcon 实战：如何为 XLD 模板添加极性信息以提升匹配精度？
Halcon 实战：如何为 XLD 模板添加极性信息以提升匹配精度？
在使用 Halcon 进行模板匹配时，我们通常有两种方式创建模板：
- 基于图像灰度（
CreateScaledShapeModel） - 基于轮廓 XLD（
CreateScaledShapeModelXld）
前者可自动提取边缘极性信息（即边缘是“由暗到亮”还是“由亮到暗”），而后者则因轮廓缺乏原始图像灰度数据，默认不含极性信息。
然而，在实际应用中，我们常常基于手动绘制或处理后的轮廓 XLD 创建模板，此时如果继续忽略极性，会在复杂背景下降低匹配精度，甚至出现误匹配。
本文将介绍一种 先创建无极性的轮廓模型，再通过实际图像自动注入极性信息 的技巧。
1️⃣ 问题背景：XLD 模板不支持 use_polarity？
我们在使用如下方式创建模板时，若将 polarity 设置为 "use_polarity"，就会报错：
HOperatorSet.CreateScaledShapeModelXld(contours,"auto",angleStartRad,angleRangeRad,angleStepRad,minScale,maxScale,"auto","auto","use_polarity", // ⚠ 报错contrast,out modelID);
这是因为 XLD 轮廓本身不携带灰度信息，Halcon 无法判断边缘方向（极性），从而无法创建包含极性的模型。
2️⃣ 正确方式：先使用 ignore_local_polarity 创建
正确做法是先忽略极性创建模型：
HOperatorSet.CreateScaledShapeModelXld(contours,"auto",angleStartRad,angleRangeRad,angleStepRad,minScale,maxScale,"auto","auto","ignore_local_polarity", // ✅ 安全模式contrast,out modelID);
此时创建的模板没有极性，但可以匹配。
3️⃣ 高级技巧：后处理注入极性信息
Halcon 提供了一个鲜为人知的运算符 set_shape_model_metric，允许我们在首次匹配后，使用真实图像为模板注入极性信息。
✅ 完整流程如下：
① 匹配一次获取模板位姿
HOperatorSet.FindScaledShapeModel(image,modelID,angleStart, angleRange,minScale, maxScale,0.8, 1, 0.5,"least_squares", 0, 0.9,out rowMatch, out colMatch,out angleMatch, out scaleMatch, out score);
② 创建仿射变换矩阵
HOperatorSet.VectorAngleToRigid(0, 0, 0, // 模板参考点是 (0,0)rowMatch[0], colMatch[0], angleMatch[0],out homMat2D);
③ 为模型设置极性
HOperatorSet.SetShapeModelMetric(image,modelID,homMat2D,"use_polarity"); // 🎯 注入极性信息
此操作将遍历模板轮廓，并结合实际图像的灰度变化自动设置每条边的极性。
4️⃣ 后续使用：可正常使用 use_polarity 匹配
一旦极性信息注入完成，后续匹配时可以正常使用极性，从而获得更高的准确率和抗干扰能力。
HOperatorSet.FindScaledShapeModel(image,modelID,angleStart, angleRange,minScale, maxScale,0.8, 1, 0.5,"least_squares", 0, 0.9,out rowMatch, out colMatch,out angleMatch, out scaleMatch, out score);
Halcon 会自动使用之前注入的极性信息进行匹配。
🧠 总结
| 步骤 | 操作 | 说明 |
|---|---|---|
| ① | CreateScaledShapeModelXld(..., "ignore_local_polarity") | 创建无极性模型 |
| ② | FindScaledShapeModel(...) | 匹配一次获得位置 |
| ③ | VectorAngleToRigid(...) | 得到模板 → 匹配点的变换 |
| ④ | SetShapeModelMetric(..., "use_polarity") | 注入极性信息 |
这种方式弥补了 XLD 模板模型初始不支持极性的缺陷。
效果展示
没加极性的匹配效果：
加了极性的匹配效果：
可以看到加了极性之后，匹配精确度更好了。