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