边缘匹配，通过计算与模板的轮廓相似度在图像中寻找目标。

通过鼠标操作 ROI 选定模板，进入【高级参数】设置匹配角度范围，最小相似度分数，并可修改模板。

通过图像方法主处理下拉框选择 边缘匹配

【鼠标操作】通过鼠标改变 ROI 的大小，并拖放至适当的位置作为学习的模板。

【方法学习】保存该方法及模板

点击高级参数进行高阶调整

【个数】希望寻找的目标数量

【分数】目标与模板间的相似度分数

【比例容差】目标与模板间的大小比例变化

【角度基准】目标在图像中的旋转角度

【角度容差】在＜角度基准＞基础上的寻找角度范围

【匹配位置】分数最大，最左边的，最右边的，最上边的，最下边的

           当图像中存在多个目标时，可选择返回其中符合位置的一个。

【模板类型】Consistent edge、Thin Structure

Consistent edge：是默认的选项，表示边缘特征为连续的曲线。大部分情况下使用该参数即可。

           Thin Structure：针对特征边缘比较靠近而容易被认为是同一边缘曲线的情况，比如两条靠得很近的平行直线。

【模板修改】弹出模板修改框对模板进行修改

【最小特征点数】模板边缘的最小特征点数目，表示在金字塔顶层模板保留的边缘点数。

               该数值越大，能提高在顶层初步匹配的准确性。

【最大特征点数】模板边缘的最大特征点数目，默认为 1024

               算法将根据设定的特征点数目，均匀提取模板边缘上的特征点。

               例如模板边缘点数目为 2000 点，算法将均匀提取 1024 点特征；

               若模板边缘点数目为 700 点，那么算法将提取全部 700 点特征。

     对于边缘模糊的图像，提高特征点数有利于提高匹配准确度。

说明：

【角度基准】与【角度容差】的关系举例，假如角度基准设置成 0 度，角度容差设置成 5 度，即算法将在

［－5 ＋5］度的范围内

如模板存在干扰的边缘特征点，可通过鼠标操作进行模板修改。

如下图，算法在提取边缘特征点时，将不再考虑被涂的红色区域。

函数取值

执行 SY＿IP＿ImgProc（）进行处理后，返回 ImgProcResult 结构体。其中 X、Y 为目标的坐标，

MatchScore 为匹配分数，MatchAngle 为目标的角度，MatchScale 为目标的缩放比例。

另外，针对匹配多目标的应用，在高级参数设置寻找目标个数后。通过执行 SY＿IP＿Match＿MultiPos（）

可实现多目标结果返回。

list        

其中 MatchPos 结构体如下：

typedef struct MatchPos

  float x；

float y；

float score；

float angle；