基于形状的匹配，改进了无数次，其实已经很满意了。

想起刚入门机器视觉那会儿，我们写的代码，无论c++还是c#的，都是调用人家的函数，从来没想过，自己有一天把这些函数代替了。

那时候调用evision的抓线工具gaugeline，事先在工作界面，手动调好抓线工具的参数，然后写程序，要能加载抓线工具这些参数，还要能保存抓线工具参数。

这样的事情不知搞了几多会，用过抓线工具的人都知道，这个工具先放在能抓到线的地方，并设置抓线工具一定的弹性，也就是说，当图像中这个线条在小范围内浮动时，我们的抓线工具加载上来不用动，仍然能找到直线。

这要感谢plc电控的朋友们，他们上料，一般不会偏差0.2mm，所以我们的抓线工具能适应这样的弹性范围变化，跑自动的时候，记得很清楚，当我们抓不到线的时候，总是找plc电控麻烦，说他们上料偏差太大了，他们却说我们的抓线不行，吵过不知多少回，有时改一下抓线工具的弹性，重新保存加载一下抓线工具，有时plc改进上料精度，问题都能解决，大家把项目完成好就行。

说这个有什么用呢？

其实这里边隐藏了匹配一种思想，即匹配时，要有弹性，另外，保存和加载参数的好处也分外明显，自动化需要这个，实在太重要。

我们匹配中要借鉴后面这个思路，也就是说，我们要找的事物特征，很大的概率会在某一区域，这是由自动化特殊的原因（电控和视觉）保证的，我们机器视觉不就是自动化的产物吗？我们可以记住这个区域，下一次找的时候，保持一定的弹性，就能很快找到想要的特征。

匹配时，要再一步提高速度的思路是这样的：

学习时，记住学习的位置，在匹配时用；即学习时保存，匹配时加载参数，应用时，完全是自动化的。

如上图，学习时，我们学习特征“X”的roi矩形如图，然后以roi矩形的left-20，top-20为选定位置，

把整个区域分成三块I，II，III

好，我们匹配时，优先找I区，

然后找II区，最后找III区，这样速度会快不少。

为什么可以这样做，因为你可知道，我们一般不会把重要的特征放到边缘区，原因是，我们怕失去精度，因为，图像边缘区，是很容易畸变的，我们都是从这里趟过去的。

另一个原因就是，我们一开始就讲了，你学习特征的区域，在plc电控保证下，不会有多少变化

所以，搞视觉的人，一般都会把特征往中间放，即使你不知道是为什么，也没关系！

其实从高斯（正态）分布来看，中间出现的概率极大，这个事情和我们的眼睛也是契合的，也就是说，直觉就是这样，也就是说，注意力在中间，这叫做focus。

今天编程试了一下，效果不错，这也算是过往的贡献吧！

我们这种方式最好是只找I区域，最差找三个区域，在今天之前，我一直全区域去找，虽然已经很快了，但重复的事情会触发新的发现！