CogPMAlignTool 是康耐视 VisionPro 中的一个模板匹配工具。以下是其相关介绍：
- 功能特点
- 基于特征定位：与基于像素栅格的算法不同，它基于特征进行模型定位，在面对旋转和尺寸变化的情况时，能更快速、准确地进行模型匹配。
- 多种算法可选：有 PatQuick、PatMax、PatFlex 等算法。PatQuick 速度最快，对 3 维或低质量元件效果好，能承受较多图像差异；PatMax 精确度最高，在二维元件上表现佳，适合细微细节；PatFlex 为高灵敏度图案设计，在弯曲不平表面表现好，但不够精确。
- 训练模式多样：有图像、带图像的形状模型、带转换的形状模型三种训练模式。可根据训练图像的像素内容，或使用建模器创建和修改的形状模型来训练样板。
- 应用场景：常用于零件的尺寸、角度、中心点确认等，在工业视觉检测领域，可用于产品定位、识别等任务，例如在生产线上对零件进行定位，以便后续的装配、检测等工序能够准确进行。
原图路径
传入图像（idb格式相当于一个压缩包，它是一个文件里面包含了一些图像）
打开之后可以预览图像
点击工具箱选择 CogPMAlignTool 工具
点击运行可以看到图像成功读取进来，用鼠标直接把(OutputImage)拖到PMA工具的(InputImage)，把图像传给PMA工具。
使用流程
- 传入图像
- 抓取训练图像
- 设置合适的参数
- 点击训练
- 运行工具
详细参数解析
算法：
PatQuick:
- 速度最快
- 对 3 维或低质量元件效果好
- 能承受较多图像差异
PatMax：
- 精确度最高
- 在二维元件上表现佳
- 适合细微细节
PatQuick 与 PatMax
- 介于PatQuick 与 PatMax之间
PatFlex：
- 适合高灵敏度图案
- 弯曲不平表面表现好
- 比较灵活但不精确
PatMax - 高灵敏度：
- 适合第对比度或多噪点的图像
- 适用于有图像退化的图像
点击抓取训练图像把图像读取至 TrainImage ，如果输入图像为空此按钮为禁用状态。
是否忽略极性
极性：
- 特征的边界点是从黑到白还是从白到黑，忽略极性可以增加模型的多样性。
- 除非对象受极性变化的影响，否则建议使用极性。
- 忽略极性可能增加误匹配的概率。
弹性：点击小箭头打开折叠的属性
- 运行时的参数，代表能够承受非线性变化的程度。
- 弹性以像素为单位，通常设置为0到8。
- 在提高弹性时，可能会找到非预期的目标（即精度降级）。
图像掩膜：设定指定区域，屏蔽特征或杂斑干扰，图像掩膜器可以实现训练图像中屏蔽指定的部分轮廓特征（此部分可能是不稳定的特征部分，货值干扰噪声等），不作为匹配计算的依据。
- 点击图像掩膜编辑器
- 设置需要掩盖的区域
- 点击确定后会同步到TrainImage
详细操作步骤可参考 机器视觉—— CogResultsAnalysisTool 结果分析工具
点击训练区域与原点：可以通过左侧数据修改位置，或者拖动右侧方框和坐标位置
- 设置区域形状，这里选择的是矩形
- 调整右侧图像中的方框位置选取特征图案
- 点击中心原点把坐标移动到特征图案中心
点击运行参数
- 点击小三角形切换
- 角度弧度切换按钮
- 查找到目标的大概个数
- 根据结果的匹配分数来丢弃分数低的目标
- 是否考虑杂斑的影响
是否考虑杂斑
结果：匹配完成之后点击运行，打开结果可以看到分数、位置等信息
对比度阈值：
设置对比度阈值，以便考虑潜在的边界点的灰度变化，对于要检测的边界点，其特征对比度必须超过这个值。
搜索区域：限定只在限定区域内进行模板匹配。
图形：勾选查看已训练的轮廓特征图形
放大可以看到细节：
- 黄线为粗糙特征
- 绿线位精细特征
添加终端
- 右击工具，点击添加终端
- 选择所有（未过滤）
- 找到所需的参数，这边添加的是匹配的目标的个数
- 点击添加输出
添加前后效果
