圓心，通過圓形擬合模塊獲得圓心坐標(biāo)及半徑。

匹配作為粗定位使用，圓形擬合模塊根據(jù)粗定位自動改變位置；對于目標(biāo)比較固定的情況，可不采用粗定位功能。

當(dāng)不需要粗定位時，可跳過匹配類參數(shù)調(diào)整，直接對測量類參數(shù)進(jìn)行調(diào)整。

通過圖像方法主處理下拉框選擇 圓心 

【鼠標(biāo)操作】通過鼠標(biāo)改變 ROI 大小并拖放至合適區(qū)域作為學(xué)習(xí)的模板。

鼠標(biāo)改變 Circle 模塊的位置進(jìn)行圓形擬合；特別地，鼠標(biāo)左鍵在 Circle 模塊的中點雙擊可改變尋邊模式（黑到白 或 白到黑）

【方法學(xué)習(xí)】保存該方法及模板 

VPP：表示有效點百分比例 

點擊高級參數(shù)進(jìn)行匹配類參數(shù)調(diào)整 

【個數(shù)】希望尋找的目標(biāo)數(shù)量

【分?jǐn)?shù)】目標(biāo)與模板間的相似度分?jǐn)?shù)

【比例容差】目標(biāo)與模板間的大小比例變化

【角度基準(zhǔn)】目標(biāo)在圖像中的旋轉(zhuǎn)角度

【角度容差】在<角度基準(zhǔn)>基礎(chǔ)上的尋找角度范圍

【匹配位置】分?jǐn)?shù)最大，最左邊的，最右邊的，最上邊的，最下邊的

            當(dāng)圖像中存在多個目標(biāo)時，可選擇返回其中符合位置的一個。

【相關(guān)模式】Standard、Gain Normalized、Offset Normalized 及 Normalized

       Standard:目標(biāo)區(qū)域與模板間直接的相關(guān)度計算

            Gain Normalized：針對圖像產(chǎn)生對比度變化，先進(jìn)行增益歸一化后再進(jìn)行相關(guān)度計算

            Offset Normalized：針對光照引起的明暗變化，先進(jìn)行像素值整體偏移歸一化后再進(jìn)行相

關(guān)度計算

            Normalized：考慮 Gain 和 Offset 變化的歸一化相關(guān)度計算方式

【模板修改】彈出模板修改框?qū)δ０暹M(jìn)行修改

模板修改 

如模板存在干擾區(qū)域，可通過鼠標(biāo)操作進(jìn)行模板修改。

如下圖，算法將不再考慮被涂的紅色區(qū)域像素。

 

Gauge 量測模塊參數(shù)調(diào)整 

【使用匹配粗定位】 選擇是否需要粗定位。勾選后，量測模塊的姿態(tài)將跟隨匹配到的目標(biāo)姿態(tài)進(jìn)行改變

【采樣點】 勾選后，顯示所有圓周的特征點，對調(diào)整下面的高級參數(shù)有幫助。如下圖：

【測量參數(shù)】

形狀的擬合，首先是通過在設(shè)定的方向上尋找出邊緣點，再進(jìn)行相關(guān)形狀的擬合的。測量參數(shù)全部都是針對每一條路徑上的像素曲線變化率進(jìn)行操作的。

形狀擬合中某一條路徑的尋點 路徑上的像素曲線及其變化率

    上右圖中，紅色曲線代表了左圖中紅色路徑上像素值的排列；藍(lán)色線代表了像素值曲線的變化率， 數(shù)學(xué)上是像素值曲線的一階導(dǎo)數(shù)?？梢院唵蔚乩斫猓兓是€上的一個峰或一個谷對應(yīng)的就是一個邊緣上的過渡點，即是我們要尋找的邊緣點。

形狀擬合的基礎(chǔ)是每一條路徑上的尋找邊緣點操作，而尋找邊緣點操作主要是對像素曲線變化率的控制。

上圖中，藍(lán)色為像素變化率曲線。底下的藍(lán)色直線代表的是 Threshold；Threshold 與峰值（或谷值）

之間的差稱為 Amplitude；由 Threshold 及高于 Threshold 以上的變化率曲線圍成的稱為 Area。

<1> 選擇：包括 From Begin、From End、Largest Amplitude、Largest Area 及 Closet

           可能在一條路徑上會尋找到若干個過渡點，通過該參數(shù)控制選取哪一個作為邊緣點。From Begin：指從設(shè)定尋點方向開始的第一個過渡點作為邊緣點

From End： 指從設(shè)定尋點方向開始的最后一個過渡點作為邊緣點Largest Amplitude：以 Amplitude 最大值的過渡點作為邊緣點Largest Area：以 Area 最大值的過渡點作為邊緣點

Closet：以最靠近擬合模塊的中點線的過渡點作為邊緣點

 下面 3 圖分別為 Largest Area、Largest Amplitude 及 From Begin 情況下的選擇的邊緣點。

<2> 采樣步長：形狀擬合過程中的采樣點間隔

<3>閾值: 高于此值的像素變化率峰值（或谷值）才被考慮成過渡點

擬合路徑上有一黑色噪點，調(diào)整濾波值做中值濾波，噪點被過濾，最終選擇了下方的擬合點

<5>鄰比：形狀擬合時，一條路徑上可能出現(xiàn)多個過渡點。該參數(shù)表示當(dāng)前邊緣點的選擇參考鄰近多少個路徑的取點情況。

鄰 比 = 0                                                            鄰 比 = 9

 調(diào)整鄰比值表示右上圖中的紫色窗口，當(dāng)前路徑將參考紫色窗口內(nèi)其它點的選擇情況，放棄黑色噪點。

<6>最小幅值：高于此值的像素變化率曲線值才被考慮成邊緣點

<7>最小面積： 高于此值的像素變化率曲線值才被考慮成邊緣點

【差異點剔除】

差異點是遠(yuǎn)離有效點集合的點，它的出現(xiàn)會影響形狀（直線、圓、矩形）的逼近程度，需要將其剔除。下圖所示為剔除圓上的差異點：

<1>濾波次數(shù)：在擬合過程中檢測差異點的次數(shù)

<2>濾波閾值：該值的倒數(shù)即為所有邊緣點到擬合出的直線的平均距離。

          到擬合直線距離大于該平均距離的點即為差異點。

<3>有效點比例：未被剔除的點即為有效點，該參數(shù)表示有效點占所有邊緣點的比例。

            該參數(shù)能檢測出直線邊是否有損壞。