4. ROI与模板匹配定位

在MERLIC的检测流程中，定位是所有后续测量与判定的前提。如果工件在视野中的位置、角度甚至大小每次都不一样，那么直接对整幅图像做测量，得到的坐标和尺寸就毫无意义。ROI（Region of Interest，感兴趣区域）与模板匹配正是解决这一问题的核心手段：先用ROI把处理范围收缩到工件可能出现的小区域，再用模板匹配在该区域内找到工件，输出其位置与姿态，最后把测量ROI跟随这个姿态一起变换，从而保证每次测量的都是工件上的同一物理位置。

一、ROI的创建与作用

ROI是图像上的一块限定区域，MERLIC中常见的ROI形状包括矩形、圆形、环形、多边形以及由多个区域组合而成的复合ROI。创建ROI通常有两种方式：一是直接在图像上交互绘制，适合固定工位、工件位置基本不变的场景；二是由上游匹配结果动态生成，即ROI的位置和角度由模板匹配的输出驱动，这是柔性定位的关键。

ROI的第一个作用是缩小搜索范围。模板匹配如果在整幅图像上做全图搜索，计算量随像素数线性增长，速度慢且容易误匹配。把搜索ROI限制在工件可能出现的区域，可以显著降低耗时。第二个作用是屏蔽干扰。当视野中存在夹具、传送带纹理、反光或其它零件时，把这些区域排除在ROI之外，能有效减少误检。第三个作用是建立测量基准。测量ROI必须相对于匹配得到的工件坐标系来定义，而不是相对于图像坐标系，这样工件移动或旋转后，测量点仍然落在工件的同一位置。

二、基于形状的匹配

基于形状的匹配（Shape-Based Matching）是MERLIC中最常用的定位方法。它从模板图像中提取工件的边缘轮廓，形成一组带有方向信息的边缘点，然后在搜索图像中寻找与这些边缘点几何关系最一致的候选位置。其核心优势是对光照变化、部分遮挡和对比度下降不敏感，因为匹配依据的是边缘的几何结构，而不是灰度值本身。

创建形状模板的典型流程是：先在参考图像上绘制一个包含工件特征轮廓的ROI，然后设置模板参数。关键参数包括：

• 对比度阈值：决定哪些边缘被纳入模板。阈值过低会引入噪声边缘，过高会丢失弱边缘，通常需要观察模板边缘点覆盖情况来调整。
• 最小轮廓长度：过滤掉过短的边缘片段，避免把纹理噪声当作特征。
• 角度范围与步长：指定工件可能出现的旋转范围，例如-180°到+180°，步长决定搜索精度与速度的平衡。
• 缩放范围：当工件因批次或镜头距离变化导致尺寸波动时，需要设置合理的缩放搜索范围。
• 匹配分数阈值：只有得分高于该阈值的候选才被接受，用于控制误匹配率。

匹配结果通常输出工件的参考点坐标（Row、Column）、旋转角度和匹配分数。参考点应选择工件上稳定、易识别的特征位置，例如一个圆孔中心或两条边的交点，而不是随意选取的角落。

三、基于灰度的匹配

基于灰度的匹配（Gray-Value-Based Matching）直接比较模板与搜索图像中对应区域的灰度分布，常用归一化互相关（NCC）作为相似度度量。它对纹理丰富、边缘不明显的工件（如印刷图案、织物、表面标记）效果较好，但对整体光照变化和对比度变化较敏感。当现场光照稳定、工件表面纹理一致时，灰度匹配可以获得很高的定位精度；反之，如果光照波动大或存在反光，形状匹配通常更稳健。

选择匹配方法时，可以按以下思路判断：工件有清晰、稳定的几何轮廓，优先用形状匹配；工件主要靠表面纹理或图案区分，且光照可控，可考虑灰度匹配；两者都可用时，以现场重复性和节拍要求为准做对比测试。

四、处理旋转与缩放变化

实际产线中，工件很少每次都完全一致地摆放。旋转和缩放是两类最常见的姿态变化。处理旋转时，需要在模板参数中设置角度搜索范围和角度步长。角度步长越小，定位越精确，但搜索时间越长。一个实用的做法是先用较大步长做粗定位，再在粗定位结果附近用小步长做精定位，即“粗-精”两级搜索。

处理缩放时，需要设置缩放比例范围，例如0.9到1.1，以及缩放步长。缩放搜索会显著增加计算量，因此范围不宜设得过宽。如果工件尺寸变化主要来自镜头工作距离波动，应优先从机械或光学上稳定距离，而不是单纯依赖软件缩放搜索。此外，旋转与缩放同时搜索时，参数空间是二维的，耗时进一步增加，建议先确认哪一维变化是主要的，再决定是否开启另一维。

五、定位结果的判断与验证

匹配完成后，不能只看“找到了”就继续测量，必须对定位结果做有效性判断。主要看三个量：匹配分数、角度和缩放值。匹配分数低于阈值，说明当前图像与模板差异过大，可能是工件缺失、严重遮挡或光照异常，此时应输出定位失败，而不是用错误的位置继续测量。角度或缩放值超出设定范围，说明工件姿态异常，同样需要报警或剔除。

验证定位稳定性的实用方法是做重复性测试：让同一工件在视野内多次出现（或多次上料），记录每次的参考点坐标和角度，计算其标准差。例如，某工件在50次测试中参考点Row方向标准差为0.3像素、Col方向为0.4像素、角度标准差为0.05°，若测量公差要求对应位置偏差不超过0.1 mm，而像素当量为0.05 mm/pixel，则0.4像素约合0.02 mm，定位重复性满足要求。若标准差明显偏大，应检查模板特征是否稳定、ROI是否包含了干扰边缘、光照是否波动。

六、实操要点与常见问题

在实际工程中，以下几点直接影响定位效果：

• 模板特征选择：优先选择工件上唯一、稳定、对比度好的轮廓，避免选择易受加工毛刺或反光影响的边缘。
• 搜索ROI与模板ROI分离：搜索ROI用于限定匹配范围，模板ROI用于定义模板特征，两者不要混用。
• 角度步长与节拍平衡：角度范围越大、步长越小，耗时越长。可先用大步长粗定位，再在小范围内精定位。
• 缩放搜索慎用：缩放搜索计算量大，且容易与角度搜索耦合产生误匹配，非必要不开启。
• 光照一致性：灰度匹配对光照敏感，形状匹配虽较稳健，但极端过曝或欠曝仍会导致边缘丢失。

总结来说，ROI与模板匹配定位的工程逻辑是：用ROI限定搜索范围、降低干扰和计算量；用形状或灰度匹配找到工件并输出参考点、角度和缩放；用这些姿态参数驱动测量ROI跟随；最后用匹配分数和姿态范围判断定位是否有效。把这四步做扎实，后续的尺寸测量、缺陷检测才有可靠的坐标基准。