Dennis Liu

at the left top, there is a button "file", letting you read source image and destination image

you should transplant my code to your robot- control program so that you can get the angle and position or using TCPIP or RS232 to communicate with this program

感謝支持 1. 我需要回憶一下，到時候想辦法寫個說明文件，細節我自己也暫時看不懂，其中matchtemplate只計算NCC公式分子捲積的部分 2. CCOEFF_Denominator這個函數是NCC公式的分母，從OpenCV源碼提取出來的，因為源碼的部分是考慮到所有類型(這六種)，而NCC只會用到其中一種，所以可以把很多for loop內的if拿掉  3. 你可以先看這篇，不過我實測起來效果反而變差 (用Cognex當標準答案去比較的話 [A fast normalized cross-correlation calculation method for motion estimation.pdf](https://github.com/DennisLiu1993/Fastest_Image_Pattern_Matching/files/8727810/A.fast.normalized.cross-correlation.calculation.method.for.motion.estimation.pdf)

1.這一頁就是在講subPixel，我是用這篇的方法實作的  2. 商務軟體的確都是像我這樣做的，因為我們面對的是工業相機的實時取像，根本沒有時間讓你事先旋轉 退幾步來說，若是你要事先旋轉影像，是沒有任何參考依據的 這麼說好了，假設當前圖像為2594X1944，最精確旋轉角為atan (2/2592)=0.044度 你必須旋轉500畫素影像8181次(360/0.044)，這不可能做到 反過來說，透過金字塔搜索策略，可以從上一層的Match找到大致旋轉角，原始圖像旋轉這個範圍的角度就好

PDF我貼錯了 是這篇 [201903041010362016_computers_and_electrical_engineering_an_accelerating_cpu_based_correlation-based_image_alignment.pdf](https://github.com/DennisLiu1993/Fastest_Image_Pattern_Matching/files/8735346/201903041010362016_computers_and_electrical_engineering_an_accelerating_cpu_based_correlation-based_image_alignment.pdf)

@binfsuc 這張圖我自己做的，看一下  @Imageshop 今天有個老鐵發了你的SIMD提速過的影像convolution，很牛啊! 結合到這個專案裡如虎添翼 關於這個問題: "旋轉后的圖像默認邊緣部分是黑色的吧，這些黑色區域和原圖進行匹配，那得到得分不是有問題嗎？這個你怎麼解決的呢。" 的確是很兩難，不管填什麼顏色進去都會影響到分數，把result的這些邊界區域屏蔽掉又會降低魯棒性 (影像只包含部分特徵的case)，我也不知道該怎麼做比較好

2. 我猜是適用的，看最外圍的特徵點像素移動1像素的旋轉角是多少，但是meiqua那個項目，最後直接用ICP了，好像不用這麼麻煩

@libaineu2004 我是參考商用庫Aisys, MIM，這兩家都是這樣做的 Cognex的話則沒有這個參數，但頂級商用庫的思路無法參透

有mask OpenCV的影像卷積複雜多了  需要兩次fft操作 全圖sqrt、全圖取倒、全圖除法

> 你好！关于亚像素的计算，请问直接照搬OpenCV的官方算子，即cv::cornerSubPix来计算行不行？ https://github.com/opencv/opencv/blob/4.5.5/modules/imgproc/src/cornersubpix.cpp 這是給棋盤格校正用的，亞像素計算可以參考我上面貼的那篇論文，我時做起來效果不好就是了