关于测试中，咨询调试处理

[cheny00]

Good Job
感谢博主分享与解答
(PS：之前用旧的code由于种种原因，未能调通，昨天又重新下载后很快就调试出结果了\^_^//)

采用最新的code，测试过程中，如何显示检测时间，以及右下角的鼠标位置信息？
这里的检测时间，是代表哪些环节？还是说是从检测图像读取到目标显示的所有时间？

[DennisLiu1993]

m_statusBar.SetPaneInfo (0, indicators[0], SBPS_NOBORDERS, 150);//设置状态栏的宽度
m_statusBar.SetPaneInfo (1, indicators[1], SBPS_STRETCH, 200);
m_statusBar.SetPaneInfo (2, indicators[2], SBPS_STRETCH, 200);
m_statusBar.SetPaneInfo (3, indicators[3], SBPS_STRETCH, 200);

這幾行調整一下，第四個參數是狀態欄的寬度

檢測時間代表純執行時間，從建立金字塔到取得所有結果，沒有包含檔案讀寫

[cheny00]

你好，博主，检测时间可以观察了
1 检测时间
1.1 不包括检测图像读取加载吗？
1.2 若有预处理，是否也不计时在内？
1.3 在线测试，模板图像在这里仅加载一次，且不计时在内？

2 模板图像获取，需要做哪些人为处理，才能获得较为理想的模板信息呢？

3 目前测试与halcon相比，采用1280X960检测图像和640X640模板图像，整体效果还可以
3.1 一般定位在x和y方向各存在±1像素以内的偏差，角度存在1°以内的偏差，但也存在较大定位偏差；有什么方式可以增强定位精度的方式？比如2中对模板图像进行人为处理等。
3.2 参数设置，目标数目1、最大重叠率0、得分0.9、角度范围[-10,10]，开SIMD和次像素估计，耗时45-65ms(处理器i7-12700H，2.7GHz)；该耗时是否在合理预期范围？耗时波动20ms由哪些因素影响？能否进一步加速缩短耗时？

4 最近打算进一步研究您发的论文和该方案，在方案上如何快速梳理流程和原理，您有哪些建议吗？

---

感谢博主近些天的帮助与指导
(ʃƪ ˘ ³˘)啾❣｡･ﾟ♡

[DennisLiu1993]

感謝測試
1-1 不包含加載
1-2 我沒有做預處理，這可能是Halcon比較準的原因
1-3 是的

2 我不知道有什麼方法比較好，論文中也沒看過
3-1 老實說我沒招了
3-2 波動20應該是你的CPU有在做其他事情，加速部分你可以詢問 @githublqs，他跟我討論很多，只是我太忙了沒時間弄

PS 那篇論文不是我寫的，有些東西我也看不懂，例如: 最高分要是在3*3的邊界我就無法處理。
不過作者開了一間公司，裡面有軟體可以下載來測試，他的軟體用亞像素的確是變準的，我的卻沒有

[cheny00]

感谢回复
1 关于定位结果的询问，采用圆形模板匹配检测图像

1.1 旋转范围为0°时，测试定位(x,y)均为像素级整数信息，如何获取亚像素级的定位结果呢？

1.2 旋转范围设置非0°时，可以获取亚像素级的定位结果；但以当前设置1时(2°的范围)，存在超出该范围的定位角度结果，造成这种现象可能的因素是哪些，有什么解决方法吗？
(PS:还是说，我对Tolerance参数设置角度的理解有误，那应该如何理解？)

2 关于论文与本源码
2.1 在模板匹配领域里，您有哪些认为不错的论文或是检索关键词等资料信息，能否提供指导一下
(PS: Maybe 我将要在这一方面长期钻研了)
2.2 本源码工程，如何梳理和研究更加高效，能否提供一下脉络或线索

[DennisLiu1993]

1.1 0度沒有角度資訊了，用一般二維的方法
1.2 取決於我對於角度搜索範圍的定義: 上一層金字塔的匹配角度+-角度步長，在金字塔比較下層，通常角度步長會>2度

dAngleStep = atan (2.0 / max (pTemplData->vecPyramid[iLayer].cols, pTemplData->vecPyramid[iLayer].rows)) * R2D;
for (int i = -1; i <= 1; i++)
	vecAngles.push_back (dMatchedAngle + dAngleStep * i);

2.1 最終你還是要朝Shape Based Matching的，NCC適用的範圍比較少。Github-meiqua
2.2
加速可以朝幾個方向:

1. GetNexMaxLoc ()，改為分區域計算min max值，塗黑後在重新計算有被影響到的區域。這對小模板提速效果明顯
2. cv:: matchTemplate ()，中大模板的計算為FFT，修改OpenCV源碼讓模板的FFT可以不用重新計算
3. A real‑time two‑stage and dual‑check template matching algorithm based on normalized cross‑correlation for industrial vision positioning.pdf

[cheny00]

1.1 那这样理解是否合适：由于0°没有角度信息，使得3X3X3二项式插值无法实现，从而只有像素级的定位结果。

1.2.1 Tolerance的参数物理含义是什么，不是设置检测图像的旋转范围吗？
1.2.2 右下窗口返回的Angle是模板对应检测目标的实际物理角度信息，通过各层金字塔的匹配角度+角度步长确定？

2.1 测试了一下该博主的based与subpixel(https://github.com/meiqua/shape_based_matching/tree/subpixel)

2.1.1 发现subpixel创建检测图像的响应表耗时是based的一倍左右，这可能是进行了icp处理后产生的效果，您知道icp为什么会造成近一倍的耗时增加吗？
2.1.2 对该subpixel响应表创建过程，有哪些可尝试的改进方向？
2.1.3 观察了一下模板特征点的筛选与确定，在距离约束与nms作用下，发现对特征点拾取分布比较均匀，但是对于部分细小的结构/纹理特征产生了消除或抑制的影响；除非增加大量的特征点数量，但这样并非一种较好的方式，而且增加特征点数目也导致匹配结果与效果下降。我认为对于模板匹配而言，图像目标的特征性信息对匹配效果有很大的影响，请问您有哪些方式或想法可以更加有效的提取出局部细小的结构/纹理特征？

2.2 对于模板匹配技术已经发展几十年，很多商业软件也是从当初的技术与思想上发展与演变过来的，对于Halcon等商业软件的模板匹配技术或文档，在检索方向上您有哪些建议与理解？尤其是对于早期的技术资料与技术思路。

[DennisLiu1993]

1.1 是的
1.2.1 是啊，但有可能被最底層的AngleStep超過
1.2.2 實際物理角度，精度為AngleStep

2 你要問meiqua，他的東西太高深了

2.2 商業庫的邏輯無法參透，我隱隱覺得這些公司發展了20年的ShapeBasedMatching是不可能被模仿的
NCC多看一下論文可能可以逼近效果

[cheny00]

谢谢回复
这几天在梳理源码，待我把有疑惑的问题梳理清再向您请教

[githublqs]

亚像素确实存在问题，有个变量，代码默认是关闭的，打开我测试法线inf值，我没细研究，可有问下作者，角度容差分为-x 到 x 度和 指定多个区间两种情况，角度现实和shape based matching一致，代表模板逆时针旋转的角度，源码实线是模板不旋转，匹配的dest 场景图逆时针旋转，然后再调整输出结果的

…

---原始邮件--- 发件人: ***@***.***> 发送时间: 2022年8月11日(周四) 下午3:11 收件人: ***@***.***>; 抄送: ***@***.******@***.***>; 主题: Re: [DennisLiu1993/Fastest_Image_Pattern_Matching] 关于测试中，咨询调试处理 (Issue #17) 感谢回复 1 关于定位结果的询问，采用圆形模板匹配检测图像 1.1 旋转范围为0°时，测试定位(x,y)均为像素级整数信息，如何获取亚像素级的定位结果呢？ 1.2 旋转范围设置非0°时，可以获取亚像素级的定位结果；但以当前设置1时(2°的范围)，存在超出该范围的定位角度结果，造成这种现象可能的因素是哪些，有什么解决方法吗？ (PS:还是说，我对Tolerance参数设置角度的理解有误，那应该如何理解？) 2 关于论文与本源码 2.1 在模板匹配领域里，您有哪些认为不错的论文或是检索关键词等资料信息，能否提供指导一下 (PS: Maybe 我将要在这一方面长期钻研了) 2.2 本源码工程，如何梳理和研究更加高效，能否提供一下脉络或线索 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: ***@***.***>

[Tony-Zhang-1229]

从meiqua博主找到这里的，看到您的代码也很好，最近会试一下。希望有机会多多交流，已给星星 @DennisLiu1993

[DennisLiu1993]

从meiqua博主找到这里的，看到您的代码也很好，最近会试一下。希望有机会多多交流，已给星星 @DennisLiu1993

感謝支持