find_aniso_shape_models — Suche der besten Matches mehrerer anisotrop skalierter
Formmodelle.
find_aniso_shape_models(Image : : ModelIDs, AngleStart, AngleExtent, ScaleRMin, ScaleRMax, ScaleCMin, ScaleCMax, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, ScaleR, ScaleC, Score, Model)
find_aniso_shape_models findet die besten
NumMatches Instanzen der anisotrop skalierten
Formmodelle, die in ModelIDs übergeben werden, im
Eingabebild Image. Die Modelle müssen zuvor mit
create_aniso_shape_model erzeugt oder mit
read_shape_model eingelesen worden sein.
Im Gegensatz zu find_aniso_shape_model kann also eine
Mehrzahl von Modellen gleichzeitig im selben Bild gesucht werden.
Die Position, Rotation und Skalierung in Zeilen- und Spaltenrichtung
der gefundenen Instanzen des Modells werden in Row,
Column, Angle, ScaleR und ScaleC
zurückgeliefert. In Score wird die Bewertung der
gefundenen Instanzen zurückgegeben. Der gefundene Modelltyp wird in
Model zurückgeliefert.
Nähere Informationen finden Sie in den parameterspezifischen Abschnitten.
Gegenüber find_aniso_shape_model unterscheidet sich die Semantik
aller Eingabeparameter etwas. Alle Eingabeparameter müssen entweder
genau ein Element
enthalten, oder dieselbe Anzahl von Elementen wie ModelIDs.
(NumLevels kann auch zwei oder zweimal die Anzahl von
Elementen wie ModelIDs enthalten; siehe unten.) Im ersten
Fall wird der Wert des Eingabeparameters für alle Modelle gleich
verwendet. Im zweiten Fall wird das jeweilige Element des
Eingabeparameters für das entsprechende Modell in ModelIDs
verwendet. Zusätzliche Details können in den parameterspezifischen
Abschnitten weiter unten gefunden werden. Ein Aufruf von
find_aniso_shape_models mit mehreren Werten für
ModelIDs, NumMatches und MaxOverlap
entspricht von der Wirkung her also mehreren unabhängigen Aufrufen
von find_aniso_shape_model mit den jeweiligen Parametern,
ist allerdings wesentlich effizienter.
Image und seine Region:Der Definitionsbereich des Bildes Image gibt den
Suchbereich für den Referenzpunkt des Modells an, d.h. für den
Schwerpunkt der Region des Bildes, das zur Erzeugung des Formmodells
mit create_aniso_shape_model verwendet wurde. Ein eventuell
mit set_shape_model_origin anders gesetzter Ursprung wird
nicht berücksichtigt. Das Modell wird innerhalb des
Definitionsbereiches des Eingabebildes nur an den Stellen gesucht,
an denen das Modell vollständig in das Bild passt. Das bedeutet,
dass das Modell nicht gefunden werden kann, wenn es aus dem Bild
herausragt, selbst wenn es eine Bewertung größer als
MinScore erreichen würde (siehe unten).
Außerdem kann es sein, dass das Modell, wenn es in einer der Pyramidenebenen
den Bildrand berührt, ebenfalls nicht gefunden wird, auch wenn es im
ursprünglichen Bild vollständig enthalten ist. Als Daumenregel gilt hier,
dass das Modell dann nicht gefunden werden könnte, wenn seine Distanz zum
Bildrand unter fällt.
Dieses Verhalten
kann mit set_system('border_shape_models','true')
für alle Modelle oder mit
set_shape_model_param(ModelID,'border_shape_models','true')
speziell für ein Modell umgestellt werden, so dass auch Modelle
gefunden werden, die aus dem Bild
herausragen, falls sie eine Bewertung größer als MinScore
erreichen. Dabei werden Punkte außerhalb des Bildes als verdeckt
angesehen, d.h. sie verringern die Bewertung. Es ist zu beachten,
dass dieser Modus die Laufzeit der Suche erhöht.
Es ist weiter zu beachten, dass in seltenen Fällen, die typischerweise nur
in künstlichen Bildern auftreten, auch dann kein Modell gefunden wird, wenn
das Modell in einer Pyramidenebene die reduzierte Bilddomäne berührt. In
diesem Fall kann es helfen, die Region der Domäne um
, z.B., mit dilation_circle
zu vergrößern.
Wie üblich wird die Region des Eingabebildes
Image als Suchbereich für den Referenzpunkt der Modelle
ModelIDs verwendet. Konsistent mit der obigen Semantik
kann Image also ein einzelnes Bildobjekt beinhalten oder
ein Bildobjekttupel. Falls Image ein einzelnes Bildobjekt
enthält, wird dessen Region als Suchbereich für alle Modelle in
ModelIDs verwendet. Falls Image mehrere
Bildobjekte enthält, wird die jeweilige Region als Suchbereich für
das entsprechende Modell aus ModelIDs verwendet. In diesem
Fall müssen die Bilder, abgesehen von ihrer Region, identisch sein,
d.h. ihre Pointer müssen das gleiche Bild referenzieren und somit
identisch sein (siehe get_image_pointer1 zum Überprüfen der Pointer).
Folglich kann Image nicht in beliebiger Weise mit concat_obj
aufgebaut werden, sondern muss aus demselben Bild mit
add_channels oder äquivalenten Aufrufen erzeugt werden.
Falls das nicht der Fall ist, wird eine Fehlermeldung
zurückgeliefert.
AngleStart, AngleExtent, ScaleRMin,
ScaleRMax, ScaleCMin, ScaleCMax:
Die Parameter AngleStart und AngleExtent legen den
Winkelbereich fest, in dem nach dem Modell gesucht wird. Die
Parameter ScaleRMin, ScaleRMax, ScaleCMin
und ScaleCMax legen den Bereich der Skalierungen in Zeilen-
und Spaltenrichtung fest, in dem nach dem Modell gesucht wird. Der
Winkel- und Skalierungsbereich wird gegebenenfalls auf den Bereich
beschnitten, der bei der Erzeugung des Modells mit
create_aniso_shape_model angegeben worden ist. Dies
bedeutet insbesondere, dass die Winkelbereiche des Modells und der
Suche sich überlappen müssen.
Wird in ModelIDs ein Modell übergeben, das mit
create_shape_model oder mit create_scaled_shape_model
erzeugt wurde, wird das Modell mit einer isotropen Skalierung von
1.0 bzw. mit einer isotropen Skalierung zwischen ScaleRMin
und ScaleRMax gesucht. In diesem Fall werden in
ScaleR und ScaleC identische Werte zurückgeliefert.
Beachten Sie, dass in einigen Fällen Instanzen mit einer Rotation oder
Skalierung gefunden werden, die geringfügig außerhalb des angegebenen
Winkel- und Skalierungsbereichs liegen. Dies kann vorkommen, wenn der
angegebene Bereich kleiner ist als der bei der Erstellung des Modells
angegebene Bereich. AngleStart und AngleExtent sowie
ScaleRMin/ScaleCMin und
ScaleRMax/ScaleCMax werden nur auf der höchsten
Pyramidenstufe überprüft. Matches, die auf der höchsten Pyramidenstufe
gefunden werden, werden bis zur untersten Pyramidenstufe verfeinert.
Aus Leistungsgründen wird bei der Verfeinerung jedoch nicht mehr überprüft,
ob die Matches immer noch innerhalb der angegebenen Bereiche liegen.
MinScore:
Der Parameter MinScore legt fest, welche Bewertung ein
potentieller Match mindestens besitzen muss, damit er als eine
Instanz des Modells im Bild angesehen wird. Je größer der Wert von
MinScore gewählt werden kann, desto schneller verläuft die
Suche. Falls erwartet werden kann, dass das Modell niemals verdeckt
wird, kann MinScore auf so hohe Werte wie 0.8 oder sogar
0.9 gesetzt werden. Werden die Matches nicht bis zur untersten
Pyramidenebene verfolgt (siehe unten) kann es in manchen Fällen
vorkommen, dass Instanzen gefunden werden, deren Score geringfügig
unter dem Wert von MinScore liegen.
Falls ein einzelner Wert in MinScore übergeben wird, wird dieser
Wert auf alle Instanzen angewandt, die mit allen Modellen gefunden werden.
Falls MinScore mehrere Einträge enthält, werden die Werte
einzeln für die entsprechenden Modelle verwendet.
Falls die Formmodelle mit set_shape_model_clutter um Störparameter
erweitert wurden und dadurch 'use_clutter' aktiviert wurde, wird in
MinScore zu jedem der vorhandenen Werte für den minimalen Score ein
weiterer Wert erwartet, welcher den maximalen Störwert eines potentiellen
Matches angibt, um als Instanz des Modells im Bild betrachtet werden zu
können. Die Laufzeit mit Nutzung von Störparametern ist mindestens so hoch
wie die Laufzeit ohne Störparameter mit auf 0 gesetztem Parameter
NumMatches. Die verschiedenen Formmodelle müssen den gleichen Wert
für 'use_clutter' haben.
Wird der maximale Störwert separat für jedes Modell spezifiziert, was immer
dann nötig ist, wenn auch der minimale Score für jedes
Modell gesetzt wird, muss in MinScore die doppelte Anzahl an
Einträgen enthalten sein wie in ModelIDs. Dabei müssen der minimale
Score und der maximale Störwert verschränkt in MinScore angegeben
werden. Werden in ModelIDs beispielsweise zwei Modelle angegeben,
wobei für Ersteres ein minimaler Score von 0.9 und für das zweite 0.8
festgelegt wird und der maximale Störwert des ersten Modells 0.1, für das
zweite Modell 0.2 betragen soll, muss MinScore =
[0.9,0.1,0.8,0.2] angegeben werden.
NumMatches:
Mit NumMatches kann angegeben werden, wie viele Instanzen
des Modells im Bild höchstens gefunden werden sollen. Falls mehr
als NumMatches Instanzen eine Bewertung größer als
MinScore erreichen, werden nur die besten
NumMatches Instanzen zurückgeliefert. Falls weniger als
NumMatches Instanzen gefunden werden, werden nur diese
Instanzen zurückgeliefert, d.h. der Parameter MinScore hat
Vorrang vor NumMatches. Sollen alle Modellinstanzen, deren
Bewertung MinScore übersteigt, im Bild gefunden werden,
muss NumMatches auf 0 gesetzt werden.
Beim Tracken der Matches durch die Bildpyramide werden auf jeder
Ebene Matches verworfen, die wenig vielversprechend sind. Dadurch ist
es möglich, dass Matches verworfen werden, die auf der niedrigsten
Pyramidenebene einen höheren Score gehabt hätten. Beispielsweise kann das
dazu führen, dass der gefundene Match für NumMatches gleich
1 nicht mit dem Match mit dem höchsten Score übereinstimmt, der von
NumMatches gleich 0 oder > 1 zurückgegeben wird.
Falls erwartet wird, dass mehrere Objekte mit einem ähnlichen Score gefunden
werden können, aber nur das Modell mit dem höchsten Score
zurückgegeben werden soll, kann es vorteilhaft sein, NumMatches zu
erhöhen, und dann den Match mit dem höchsten Score auszuwählen.
Für den Fall, dass das Formmodell mit set_shape_model_clutter
um Störparameter erweitert wurde, berücksichtigt NumMatches
auch den zweiten Wert, der in MinScore übergeben wird.
Gefundene Instanzen weisen in diesem Fall einen Score auf, der größer als
der erste Eintrag ist, sowie einen Störwert der niedriger als der
zweite Eintrag ist. Ist die Anzahl gefundener Instanzen größer als
NumMatches, werden die besten NumMatches Instanzen in
Bezug auf ihren Störwert zurückgegeben. MinScore hat weiterhin
Vorrang vor NumMatches und NumMatches muss weiterhin
auf 0 gesetzt werden um alle Modellinstanzen zu erhalten, die die
Bedingungen von MinScore erfüllen.
Es ist zu beachten, dass beim Tracken der Matches durch die Bildpyramide
keine Matches verworfen werden, wenn Störparameter verwendet werden.
Die Laufzeit mit Nutzung von Störparametern ist daher mindestens so hoch
wie die Laufzeit ohne Störparameter mit auf 0 gesetztem
Parameter NumMatches.
Enthält NumMatches einen Wert, liefert
find_aniso_shape_models die NumMatches besten
Instanzen des Modells unabhängig von der Art des Modells zurück.
Falls z.B. in ModelIDs zwei Modelle übergeben werden und
NumMatches = 2 gewählt wird, kann es sein, dass zwei
Instanzen des ersten Modells und keine des zweiten Modells, eine
Instanz des ersten Modells und eine des zweiten Modells oder keine
Instanz des ersten Modells und zwei des zweiten Modells
zurückgeliefert werden. Falls hingegen NumMatches mehrere
Werte enthält, werden so viele Instanzen des jeweiligen Modells in
ModelIDs zurückgeliefert, wie durch das entsprechende
Element von NumMatches angegeben. Falls
z.B. NumMatches = [1,1] gewählt wird, wird eine Instanz
des ersten Modells und eine des zweiten Modells zurückgeliefert.
MaxOverlap:
Falls das Modell Symmetrien aufweist, kann es vorkommen, dass
mehrere Instanzen an ähnlichen Positionen im Bild, aber mit
verschiedenen Rotationen gefunden werden. Mit dem Parameter
MaxOverlap kann bestimmt werden, um welchen Anteil,
ausgedrückt als Zahl zwischen 0 und 1, sich zwei Instanzen höchstens
überlappen dürfen, damit sie als verschieden angesehen werden, und
somit zurückgeliefert werden. Falls sich zwei Instanzen um mehr als
MaxOverlap überlappen, wird nur die beste gefundene Instanz
zurückgeliefert. Die Berechnung der Überlappung erfolgt anhand der
kleinsten umschließenden Rechtecke beliebiger Orientierung der
Konturen (siehe smallest_rectangle2). Bei
MaxOverlap=0 dürfen sich die gefundenen Instanzen nicht
überlappen, bei MaxOverlap=1 werden alle gefundenen
Instanzen zurückgeliefert.
Falls MaxOverlap einen Wert
enthält, wird die Überlappung für alle gefundenen Instanzen des
Modells unabhängig von der Art des Modells berechnet. D.h., dass
sich zu viel überlappende Instanzen verschiedener und gleicher
Modelle eliminiert werden. Falls hingegen mehrere Werte in
MaxOverlap übergeben werden, wird die Überlappung nur
innerhalb der gefundenen Instanzen des jeweiligen Typs der Modelle
in ModelIDs berechnet. D.h., es werden nur sich zu viel
überlappende Instanzen gleicher Modelle eliminiert. Modelle
verschiedenen Typs können sich in diesem Modus vollständig
überlappen.
SubPixel:
Der Parameter SubPixel gibt an, ob die Extraktion
subpixelgenau erfolgen soll. Falls SubPixel auf
'none' (oder 'false' für Rückwärtskompatibilität)
gesetzt wird, wird die Lage des Modells nur pixelgenau bzw. mit der
bei create_aniso_shape_model angegebenen Winkel- und
Skalierungsauflösung bestimmt. Falls SubPixel auf
'interpolation' (oder 'true') gesetzt wird, werden
sowohl die Position als auch die Rotation und Skalierung
subpixelgenau bestimmt. Dabei wird die Lage des Modells anhand der
Score-Funktion interpoliert. Dieser Modus kostet fast keine
Rechenzeit und liefert in den meisten Anwendungen eine ausreichende
Genauigkeit. In manchen Anwendungen ist eine möglichst hohe
Genauigkeit wichtig. In diesen Fällen kann die Lage des Modells
durch Ausgleichsrechnung, d.h., durch Minimierung der Abstände der
Modellpunkte und der zugehörigen Bildpunkte (Least-Squares
Adjustment), bestimmt werden. Im Gegensatz zu
'interpolation' kostet dieser Modus zusätzliche Rechenzeit.
Mit den verschiedenen Modi ('least_squares',
'least_squares_high' und
'least_squares_very_high') kann dabei die Genauigkeit
festgelegt werden, mit der der minimale Abstand gesucht wird. Je
höher die Genauigkeit gewählt wird, desto länger dauert allerdings
auch die Subpixel-Extraktion. Im Normalfall sollte für
SubPixel 'interpolation' gewählt werden. Falls
die Ausgleichsrechnung gewünscht wird, sollte
'least_squares' gewählt werden, da sich so der optimale
Kompromiss zwischen Laufzeit und Genauigkeit ergibt.
Objekte, die im Vergleich zum Modell leicht deformiert im Bild
erscheinen, können in manchen Fällen entweder nicht oder nur mit
einer geringen Genauigkeit gefunden werden. Für solche Objekte
besteht die Möglichkeit, im Parameter SubPixel zusätzlich
die maximal zulässige Objektdeformation in Pixeln anzugeben. Dies
kann mit Hilfe des optionalen Parameterwertes
'max_deformation ' und einer nachfolgenden Ganzzahl
zwischen 0 und 32 (im selben String), die die
maximale Deformation beschreibt, erfolgen. Kann die Form des
Objektes z.B. bis zu 2 Pixel von der im Modell gespeicherten Form
abweichen, muss im Parameter SubPixel der Wert
'max_deformation 2' zusätzlich zum oben beschriebenen Modus
für die subpixelgenaue Extraktion übergeben werden, also z.B.
['least_squares', 'max_deformation 2']. Mit
'max_deformation 0' wird das Objekt ohne Deformationen
gesucht, also so als ob man kein 'max_deformation '
übergeben hätte. Zu beachten ist, dass größere Werte für die
maximale Deformation oft zu erhöhten Laufzeiten führen. Außerdem
besteht bei einem zu großen Wert die Gefahr, dass falsche Kandidaten
gefunden werden. Beide Probleme können hauptsächlich bei kleinen
Objekten oder Objekten mit feinen Strukturen auftreten. Der Grund
hierfür ist, dass solche Objekte durch große erlaubte Deformationen
ihre für die Suche wichtige charakteristische Form verlieren. Zu
beachten ist auch, dass die Genauigkeit von teilweise verdeckten
Objekten für höhere Deformationen abnehmen kann wenn Störobjekte in
der Nähe des Objektes vorhanden sind. Die maximale Deformation
sollte demnach immer nur so groß wie nötig und so gering wie möglich
gewählt werden. Näherungsweise rotationssymmetrische Objekt könnten
nicht gefunden werden, falls 'max_deformation' und
AngleExtent beide auf einen Wert größer 0 gesetzt sind. In dem Fall
kann es zu Mehrdeutigkeiten kommen, die nicht aufgelöst werden können,
sodass der Match als falsch verworfen wird. Wenn das passiert, versuchen
Sie, entweder 'max_deformation' oder AngleExtent auf 0 zu
setzen oder das Modell so zu verändern, dass weniger Symmetrien auftreten.
Die Score-Berechnung bei Deformationswerten größer
0 hängt von der Art der Subpixel-Extraktion ab. In den
meisten Fällen wird sich der Score eines Matches verändern, wenn man
'least_squares', 'least_squares_high' oder
'least_squares_very_high' (siehe oben) wählt (im Vergleich
zu 'none' oder 'interpolation'). Außerdem wird
sich der Score in der Regel erhöhen wenn man bei einer der
Least-Squares-Adjustment-Methoden die maximale Deformation erhöht,
da dann zu den Modellpunkten mehr zugehörige Bildpunkte gefunden
werden können. Für einen aussagekräftigen Score und zum Vermeiden
falscher Matches wird empfohlen, das Erlauben einer Deformation
mit einer Subpixel-Extraktion mit einer der
Least-Squares-Adjustment-Methoden zu kombinieren.
Falls die Subpixel-Extraktion und/oder die maximale Objektdeformation
für jedes Modell einzeln spezifiziert werden sollen, muss in
SubPixel die Subpixel-Extraktion genauso oft angegeben werden,
wie die Anzahl von Elementen in ModelIDs. Nach jedem übergebenen
Wert für die Subpixel-Extraktion kann optional ein zweiter Wert übergeben
werden, der die maximale Objektdeformation für das jeweilige Modell
beschreibt. Wird nach dem Wert für die Subpixel-Extraktion kein Wert
für die Objektdeformation übergeben, wird das entsprechende Modell ohne
Deformation gesucht. Falls z.B. zwei Modelle in ModelIDs angegeben
sind und für das erste Modell die Subpixel-Extraktion
'interpolation' gewählt werden soll sowie keine Objektdeformation
erlaubt ist und für das zweite Modell die Subpixel-Extraktion
'least_squares' gewünscht ist sowie eine maximale
Objektdeformation von 3 Pixeln erlaubt ist, dann kann für den
Parameter SubPixel das Tupel
['interpolation', 'least_squares', 'max_deformation 3']
übergeben werden. Alternativ kann auch das äquivalente Tupel
['interpolation', 'max_deformation 0', 'least_squares',
'max_deformation 3'] übergeben werden.
NumLevels:
Mit NumLevels wird die Anzahl der Pyramidenebenen
festgelegt, die bei der Suche verwendet werden soll. Die Anzahl der
Ebenen wird gegebenenfalls auf den bei der Erzeugung mit
create_aniso_shape_model angegebenen Bereich beschnitten.
Falls NumLevels als 0 angegeben wird, wird die mit
create_aniso_shape_model angegebene Anzahl verwendet.
In manchen Fällen kann es sein, dass die Anzahl der Pyramidenebenen,
die beispielsweise automatisch mit create_aniso_shape_model
ermittelt wurde, zu hoch ist. Dann werden eventuell Instanzen, die eine sehr
hohe finale Bewertung gehabt hätten, bereits auf der höchsten Pyramidenebene
ausgeschlossen und damit nicht gefunden. Anstatt nun MinScore
auf einen sehr geringen Wert zu setzen, um alle Matches zu finden, kann der
Wert von NumLevels mit get_shape_model_params
ermittelt werden und dann ein etwas geringerer Wert in
find_aniso_shape_models genutzt werden. Diese Herangehensweise führt
oft zu besseren Ergebnissen hinsichtlich Geschwindigkeit und Robustheit.
Optional kann NumLevels einen zweiten Wert enthalten, der
die unterste Pyramidenebene spezifiziert, bis auf welche die Matches
verfolgt werden sollen. Ein Wert von [4,2] bedeutet also,
dass das Matching auf der vierten Pyramidenebene begonnen wird und
auf der zweituntersten Pyramidenebene beendet wird (die unterste
Pyramidenebene hat den Wert 1). Dieser Mechanismus kann dazu
verwendet werden, Laufzeit einzusparen. Allerdings ist in diesem
Modus im Allgemeinen die Genauigkeit der gefundenen Lageparameter
geringer als im Normalfall, in dem die Matches bis auf die unterste
Pyramidenebene verfolgt werden. Falls eine hohe Genauigkeit erzielt
werden soll, empfiehlt es sich also, mindestens
'least_squares' für SubPixel zu verwenden.
Falls die unterste zu verwendende Pyramidenebene zu groß gewählt wird,
kann es vorkommen, dass die gewünschte Genauigkeit nicht mehr
erreicht werden kann, oder dass falsche Instanzen des Modells
gefunden werden, weil das Modell auf den oberen Pyramidenstufen
nicht eindeutig genug ist, um eine sichere Selektion der korrekten
Instanz des Modells zu ermöglichen. In diesem Fall muss ein
kleinerer Wert für die unterste zu verwendende Pyramidenebene
gewählt werden. Falls die unterste Pyramidenebene für jedes Modell
einzeln spezifiziert werden soll, müssen in NumLevels
zweimal die Anzahl von Elementen in ModelIDs angegeben
werden. Dabei sind die Anzahl der Pyramidenebenen und der untersten
Pyramidenebenen verschränkt anzugeben. Falls z.B. zwei Modelle in
ModelIDs angegeben sind, die oberste Pyramidenebene für das
erste Modell 5 und für das zweite Modell 4 sein soll und die
unterste Pyramidenebene für das erste Modell 2 und für das zweite 1
sein soll, so ist NumLevels = [5,2,4,1] zu
wählen. Falls genau zwei Modelle in ModelIDs angegeben
sind, ergibt sich als Spezialfall, dass, falls die unterste
Pyramidenebene spezifiziert werden soll, die oberste und unterste
Pyramidenebene für beide Modelle explizit spezifiziert werden muss,
selbst wenn sie gleich sind. Ein Tupel der Länge zwei in
NumLevels wird in diesem Fall nämlich als Spezifikation der
obersten Pyramidenebene für die zwei Modelle interpretiert.
In mangelhaften Eingabebildern, d.h., in Bildern die z.B. unscharf,
deformiert oder verrauscht sind, kann auf der untersten
Pyramidenebene oft keine Instanz des Formmodells gefunden werden, da
aufgrund der mangelhaften Bildqualität nicht genügend
Kanteninformation vorhanden ist, oder die Kanten zu stark deformiert
sind. Auf höheren Pyramidenebenen dagegen kann die
Kanteninformation noch ausreichend sein um Instanzen des Modells zu
finden, wobei auch hierbei die oben beschriebenen Einschränkungen
bezüglich Genauigkeit und Robustheit gelten. Die Wahl der passenden
Pyramidenebene, d.h., der untersten Pyramidenebene auf der noch eine
Instanz des Modells gefunden wird, hängt sowohl vom Modell als auch
vom Eingabebild ab. Diese Pyramidenebene kann also von Bild zu Bild
variieren. Um das Matching auf mangelhaften Bildern zu erleichtern,
kann die unterste Pyramidenebene, auf der noch eine Instanz des
Modells gefunden wird, während des Matchings automatisch bestimmt
werden. Um diesen als 'increased tolerance mode' bezeichneten
Mechanismus zu aktivieren, muss die unterste
Pyramidenebene in NumLevels negativ angegeben werden. Wird
z.B. NumLevels = [5,2,4,-1] gesetzt, so ist die
unterste Pyramidenebene für das erste Modell 2. Kann auf der
Pyramidenebene 2 keine Instanz des ersten Formmodells gefunden
werden, so wird für dieses Modell kein Ergebnis zurückgegeben. Für
das zweite Modell ist in diesem Beispiel die unterste Pyramidenebene
auf -1 gesetzt. Daher wird versucht, eine Instanz des
Formmodells auf der Pyramidenebene 1 zu finden. Kann auf dieser
Pyramidenebene keine Instanz gefunden werden, so wird die unterste
Pyramidenebene ermittelt, auf der noch Instanzen des Modells
gefunden wurden. Die Instanzen dieser Pyramidenebene werden dann
als Ergebnis zurückgegeben.
Wenn ein Modell mit adapt_shape_model_high_noise
angepasst wurde wird die geschätzte untere Pyramidenstufe per
Standardeinstellung verwendet. Der Benutzer kann den geschätzten Wert
dennoch überschreiben, indem er jeweils zwei Werte an NumLevels
übergibt und damit explizit die untere Pyramidenstufe setzt.
Greediness:
Der Parameter Greediness bestimmt, wie „gierig“ die Suche
durchgeführt werden soll. Für Greediness=0 wird eine
sichere Suchheuristik verwendet, die das Modell, falls im Bild
vorhanden, immer findet, wenn die anderen Parameter passend gesetzt sind.
Allerdings ist die Suche hiermit relativ
zeitaufwendig. Für Greediness=1 wird eine unsicherere
Suchheuristik verwendet, bei der es in seltenen Fällen vorkommen
kann, dass das Modell nicht gefunden wird, obwohl es im Bild
sichtbar ist. Für Greediness=1 wird die maximale
Suchgeschwindigkeit erreicht. In den allermeisten Fällen wird das
Formmodell für Greediness=0.9 immer sicher gefunden.
Row, Column, Angle, ScaleR,
ScaleC:
Die Position, Rotation und Skalierung in Zeilen- und Spaltenrichtung
der gefundenen Instanzen des Modells werden in Row,
Column, Angle, ScaleR und ScaleC
zurückgeliefert. Die Koordinaten Row und Column
sind die Koordinaten des Ursprungs des Modells im Suchbild.
Normalerweise ist der Ursprung des Modells der Schwerpunkt der
Region des Bildes, das zur Erzeugung des Formmodells mit
create_aniso_shape_model verwendet wurde. Ein anderer
Ursprung kann mit set_shape_model_origin festgelegt werden.
Beachten Sie, dass die Koordinaten Row und Column
nicht exakt mit dem Ursprung des Modells übereinstimmen und daher
nicht direkt verwendet werden sollten. Die Werte sind dafür
optimiert, die Transformationsmatrix zu erzeugen, mit der die
Matching-Ergebnisse für verschiedene Aufgaben verwendet werden
können, z.B. um ROIs für andere Bildverarbeitungsschritte einem
Objekt nachzuführen.
Das bei find_aniso_shape_model angegebene Beispiel zeigt, wie diese
Matrix erzeugt wird und wie man damit das Modell an der gefundenen Position
im Suchbild visualisiert.
Beachten Sie, dass die Visualisierung aber auch mit der Prozedur
dev_display_shape_matching_results realisiert werden kann.
Score:
In Score wird die Bewertung der gefundenen
Instanzen zurückgegeben. Die Bewertung ist eine Zahl zwischen 0 und
1 und ist ein ungefähres Maß dafür, welcher Anteil des Modells im
Bild zu sehen ist. Falls z.B. die Hälfte des Modells im Bild
verdeckt ist, kann die Bewertung nicht größer als 0.5 sein.
Falls das Formmodell mit set_shape_model_clutter um
Störparameter erweitert wurde, gibt Score, nach den oben
genannten Werten, auch den Störwert jeder gefundenen Instanz zurück.
Falls beispielsweise die Hälfte der Störregion Störkanten
aufweist entspricht der Störwert 0.5.
Werden z.B. zwei Instanzen gefunden,
wobei für Erstere eine Bewertung von 0.9 und für die zweite 0.8
erreicht wird und der Störwert der ersten Instanz 0.2, der
zweiten Instanz 0.1 ist, wird Score =
[0.9,0.8,0.2,0.1] zurückgegeben.
Es ist zu beachten, dass von sämtlichen Ergebnissen des formbasierten
Matchings die Störwerte am stärksten von Beleuchtungsänderungen
beeinflusst werden.
Model:
Der gefundene Modelltyp wird in Model zurückgeliefert. Die
Elemente von Model sind ein Index in das Tupel
ModelIDs, d.h. sie können Werte von 0 bis
|ModelIDs|-1 enthalten. Ein Wert von 0 in einem Element
von Model entspricht also einer Instanz des ersten in
ModelIDs übergebenen Modells.
Mittels des Operators set_shape_model_param können Sie einen
'timeout' für find_aniso_shape_models angeben. Falls die
durch ModelIDs referenzierten Modelle unterschiedliche Werte für
'timeout' besitzen, wählt find_aniso_shape_models den
niedrigsten aus. Wenn find_aniso_shape_models diesen
'timeout' erreicht endet er ohne Ergebnis und gibt den Fehlercode
9400 (H_ERR_TIMEOUT) zurück.
Abhängig von der Größe der Skalierungsintervalle, die durch
ScaleRMin, ScaleRMax, ScaleCMin und
ScaleCMax festgelegt werden, benötigt
find_aniso_shape_models eine signifikante Zeitspanne um den
Speicher für gecachte Transformationen freizugeben, falls das Modell nicht
vorberechnet wurde. Da diese Transformationen auch freigegeben werden müssen
nachdem ein Timeout auftritt, überschreitet find_aniso_shape_models
den in 'timeout' angegebenen Wert um diese Zeitspanne.
Wenn über den Parameter ModelIDs mehrere Modelle übergeben werden,
sollten diese mit dem gleichen Wert für MinContrast erzeugt worden
sein. Falls sie mit unterschiedlichen Werten für MinContrast
erzeugt worden sind, wird in find_aniso_shape_models der kleinste
dieser Werte verwendet.
Die Verwendung der Prozedur dev_display_shape_matching_results
wird zur Darstellung der Resultate formbasierten Matchings
stark empfohlen.
Ein Überblick zu den verschiedenen in HALCON verwendeten 2D Koordinatensystemen ist in der Einleitung zum Kapitel Transformationen / 2D-Transformationen gegeben.
Dieser Operator unterstützt Cancel-Timeouts und Interrupts.
Image (input_object) (multichannel-)image(-array) → object (byte / uint2)
Eingabebild, in dem die Modelle gefunden werden sollen.
ModelIDs (input_control) shape_model(-array) → (handle)
Handle der Modelle.
AngleStart (input_control) angle.rad(-array) → (real)
Kleinste auftretende Rotation der Modelle.
Default: -0.39
Wertevorschläge: -3.14, -1.57, -0.79, -0.39, -0.20, 0.0
AngleExtent (input_control) angle.rad(-array) → (real)
Ausdehnung des Winkelbereichs.
Default: 0.79
Wertevorschläge: 6.29, 3.14, 1.57, 0.79, 0.39, 0.0
Restriktion:
AngleExtent >= 0
ScaleRMin (input_control) number(-array) → (real)
Kleinste auftretende Skalierung der Modelle in Zeilenrichtung.
Default: 0.9
Wertevorschläge: 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Restriktion:
ScaleRMin > 0
ScaleRMax (input_control) number(-array) → (real)
Größte auftretende Skalierung der Modelle in Zeilenrichtung.
Default: 1.1
Wertevorschläge: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5
Restriktion:
ScaleRMax >= ScaleRMin
ScaleCMin (input_control) number(-array) → (real)
Kleinste auftretende Skalierung der Modelle in Spaltenrichtung.
Default: 0.9
Wertevorschläge: 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Restriktion:
ScaleCMin > 0
ScaleCMax (input_control) number(-array) → (real)
Größte auftretende Skalierung der Modelle in Spaltenrichtung.
Default: 1.1
Wertevorschläge: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5
Restriktion:
ScaleCMax >= ScaleCMin
MinScore (input_control) real(-array) → (real)
Minimale Bewertung der zu findenden Instanzen der Modelle.
Default: 0.5
Wertevorschläge: 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Wertebereich:
0
≤
MinScore
≤
1
Minimale Schrittweite: 0.01
Empfohlene Schrittweite: 0.05
NumMatches (input_control) integer(-array) → (integer)
Anzahl der zu findenden Instanzen der Modelle (oder 0 für alle Treffer).
Default: 1
Wertevorschläge: 0, 1, 2, 3, 4, 5, 10, 20
MaxOverlap (input_control) real(-array) → (real)
Maximale Überlappung der zu findenden Instanzen der Modelle.
Default: 0.5
Wertevorschläge: 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Wertebereich:
0
≤
MaxOverlap
≤
1
Minimale Schrittweite: 0.01
Empfohlene Schrittweite: 0.05
SubPixel (input_control) string(-array) → (string)
Subpixelgenauigkeit falls ungleich 'none'.
Default: 'least_squares'
Wertevorschläge: 'none', 'interpolation', 'least_squares', 'least_squares_high', 'least_squares_very_high', 'max_deformation 1', 'max_deformation 2', 'max_deformation 3', 'max_deformation 4', 'max_deformation 5', 'max_deformation 6'
NumLevels (input_control) integer(-array) → (integer)
Anzahl der verwendeten Pyramidenebenen (und
unterste zu verwendende Pyramidenebene falls
|NumLevels| = 2).
Default: 0
Werteliste: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Greediness (input_control) real(-array) → (real)
„Gierigkeit“ der Suchheuristik (0: sicher aber langsam; 1: schnell aber Matches können „übersehen“ werden).
Default: 0.9
Wertevorschläge: 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Wertebereich:
0
≤
Greediness
≤
1
Minimale Schrittweite: 0.01
Empfohlene Schrittweite: 0.05
Row (output_control) point.y-array → (real)
Zeilenkoordinate der gefundenen Instanzen der Modelle.
Column (output_control) point.x-array → (real)
Spaltenkoordinate der gefundenen Instanzen der Modelle.
Angle (output_control) angle.rad-array → (real)
Rotationswinkel der gefundenen Instanzen der Modelle.
ScaleR (output_control) number-array → (real)
Skalierung der gefundenen Instanzen der Modelle in Zeilenrichtung.
ScaleC (output_control) number-array → (real)
Skalierung der gefundenen Instanzen der Modelle in Spaltenrichtung.
Score (output_control) real-array → (real)
Bewertung der gefundenen Instanzen der Modelle.
Model (output_control) integer-array → (integer)
Index der gefundenen Instanzen der Modelle.
read_image (Image, 'pcb_focus/pcb_focus_telecentric_061')
gen_rectangle1 (ROI_0, 236, 241, 313, 321)
gen_circle (ROI_1, 281, 653, 41)
reduce_domain (Image, ROI_0, ImageReduced1)
reduce_domain (Image, ROI_1, ImageReduced2)
create_aniso_shape_model (ImageReduced1,'auto', -0.39, 0.79, 'auto', 0.9, \
1.1, 'auto', 0.9, 1.1, 'auto', 'auto', \
'use_polarity', 'auto', 'auto', ModelID1)
create_aniso_shape_model (ImageReduced2,'auto', -0.39, 0.79, 'auto', 0.9, \
1.1, 'auto', 0.9, 1.1, 'auto', 'auto', \
'use_polarity', 'auto', 'auto', ModelID2)
ModelIDs:=[ModelID1, ModelID2]
find_aniso_shape_models(Image, ModelIDs, -0.39, 0.79, 0.9, 1.1, 0.9, 1.1, \
0.5, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, \
Angle, ScaleR, ScaleC, Score, Model)
* Display results
dev_display_shape_matching_results (ModelIDs, 'red', Row, Column, Angle, \
ScaleR, ScaleC, Model)
Sind die Parameterwerte korrekt, dann liefert
find_aniso_shape_models den Wert 2 (
H_MSG_TRUE)
. Das Verhalten bei
leerer Eingabe (keine Eingabebilder vorhanden) lässt sich mittels
set_system('no_object_result',<Result>) festlegen.
Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
add_channels,
create_aniso_shape_model,
read_shape_model,
set_shape_model_origin,
set_shape_model_clutter
set_system,
get_system,
set_shape_model_param
Matching