Halcon中FindNccModel的numLevels参数异常及优化方案求助

问题原因 #

当create_ncc_model的numLevels设为'auto'时，Halcon会自动生成图像金字塔（多尺度层级）。find_ncc_model会先在低分辨率层级执行快速初筛，初筛阶段直接使用你设置的minScore作为阈值——但低分辨率层级因细节丢失，正确匹配的分数远低于0.99，导致候选结果被提前过滤，根本没进入原图层级的高精度匹配；而调低minScore到0.8后，低层级候选通过初筛，进入原图层级时细节完整，最终匹配分数达到1.0。

解决办法 #

• 手动指定numLevels并控制初筛层级
  先通过inspect_shape_model查看自动生成的金字塔层级数，再手动设置numLevels，同时在find_ncc_model中用'min_level'参数指定从较高分辨率层级开始初筛，避免低层级分数过低导致的误过滤，同时保留多尺度的速度优势：

  # 先探查合适的金字塔层级
  inspect_shape_model(Image, ModelRegion, 1, 3, 'auto', 'auto', Row, Column, Angle, Scale, Score)
  # 假设探查后得到合理的numLevels为3
  create_ncc_model(Image, 3, 0, 0, 'auto', 'use_polarity', ModelID)
  # 指定从第2层（次高层）开始初筛，减少低层级的分数偏差影响
  find_ncc_model(Image1, ModelID, 0, 0, 0.99, 1, 0.5, 'false', 0, Row, Column, Angle, Score, 'min_level', 2)
  

• 合理设置numLevels手动值，平衡速度与精度
  不要直接设numLevels=1，而是根据图像复杂度设为2或3。这样既保留多尺度的加速效果（处理时间远低于40ms），又避免低层级细节丢失过多导致的分数偏差，设置0.99的minScore也能正常匹配到结果。

• 优化匹配精度参数
  在find_ncc_model中添加'subpixel'参数（如'least_squares'），可以在多尺度匹配后对结果进行亚像素级优化，确保分数计算的准确性，同时不会明显增加处理时间：

  find_ncc_model(Image1, ModelID, 0, 0, 0.99, 1, 0.5, 'false', 0, Row, Column, Angle, Score, 'subpixel', 'least_squares', 'min_level', 2)
  

内容的提问来源于stack exchange，提问作者Lamp