本文介绍: PatMax是一种图案位置搜索技术（识别+定位），PatMax图案不依赖于像素格栅，是基于边缘特征的模板匹配而不是基于像素的模板匹配，支持图像中特征的旋转与缩放，边缘特征表示图像中不同区域间界限的轮廓线（有大小有方向），特征是表示图像中不同区域之间界限的等高线，基于特征的表现可以比像素格栅表现更快捷和更准确地进行转化。当图像中的特征比较明显或者对匹配精度要求不高，提高算法速度时，可以适当调大精细参数，这样在训练图形中精细特征就会减少，调大粗糙参数，粗糙特征就会增多，训练时，就可以提高算法速度。
PatMax是一种图案位置搜索技术（识别+定位），PatMax图案不依赖于像素格栅，是基于边缘特征的模板匹配而不是基于像素的模板匹配，支持图像中特征的旋转与缩放，边缘特征表示图像中不同区域间界限的轮廓线（有大小有方向），特征是表示图像中不同区域之间界限的等高线，基于特征的表现可以比像素格栅表现更快捷和更准确地进行转化。
亚像素，面阵相机的成像面以像素为最小单位，实际上，相机在拍摄时，对图像进行了离散化处理，如果两个像素之间有5.2微米的距离，宏观上可以看做是连在一起的，但是微观上，它们之间还有无限更小的东西存在，这个更小的东西就是亚像素。亚像素精度是指相邻两像素之间的细分情况，输入值通常为二分之一，三分之一，四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。如果选择四分之一，就相当于每个像素在横向和纵向上都被当做四个像素来计算。比如在测量中，如位置、直线、圆等，都会出现亚像素。如测量某个圆的直径为100.12像素，这个后面的0.12就是亚像素。
PatMax进行图像训练时，它不仅会考虑训练区域中包含的所有特征，还可能会考虑训练区域之外的一些特征。所以如果训练窗口靠近图像边缘，则可能检测不到比粗粒度限制更接近图像边缘的特征，所以尽量让训练区域在图像中央。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
