Halcon图像金字塔
本文将讲述一种加速模板匹配的方法——图像金字塔。在Halcon的模板匹配过程中，除了基于描述符的匹配之外，其他几种匹配方法都用到了图像金字塔。图像金字塔是按照一定的排列顺序显示的一系列图像信息，包括原始图像和不同尺寸的下采样图像，如图所示。
为了提高匹配速度，一般是用一个图像金字塔，它包括原图的各种下采样版本，如原始全尺寸及各个层级的下采样图像。这一系列图像从大到小、自下而上构成一个塔状模型，原始图像为第1层（最底层），第2层图像大小仅为第1层的1/4，然后不断迭代，每一层图像包含的信息和细节程度都不相同。这样创建好的模型在匹配的时候，可在不同的金字塔层级中进行图像搜索。采用金字塔采样算法进行形状模板匹配的过程如下。
（1）确定金字塔的层级数，这取决于要寻找的目标，还要保证金字塔最上层的目标图像结构清晰。一般来说，其计算公式为：
在式中，M，N为图像的原始尺寸；t为塔顶图像最小维数的对数。
假设图像原始尺寸是640×480，那么第2~5层的大小分别是320×240、160×120、80×60以及40×30。是否需要更高的层级，取决于第5层的清晰度。根据确定的层级数，利用模板图像创建n层的金字塔图像。
（2）通过降采样创建每层级的金字塔图像，由于一般会出现图像锯齿，因此还需要使用平滑滤波器对图像进行处理。
（3）从金字塔的最顶层开始进行匹配。这个过程就是计算模板与ROI图像的相似性值，可以选择的相似性度量准则有SAD（绝对值总和）、SSD（平方差总和）、NCC（归一化相关）等，其中NCC效果最好，也能很好地适应光照变化。因此，在进行形状模板匹配时NCC是默认方法，但也是比较耗时的方法。
（4）得到了匹配的候选区域后，把这个结果映射到下一层，即直接将找到的匹配点的位置坐标乘以2，下一层的匹配搜索就在这个区域内进行。将找到的结果区域按同样的方法向下映射，直到找不到目标对象或者到达金字塔的最底层，如上图所示。
图（a）为理论上的图像金字塔模型，从底层开始，每一层均为之前一层的向下采样。图（b）为使用inspect_shape_model算子生成的各层级的形状模板图像，要求最小一层的形状仍能保留基本的形状特征，据此可以选择合适的金字塔层级数。对于比较大的模板，由于这种方法减少了搜索区域，因此整个匹配过程非常高效。
