模板匹配是机器视觉工业现场中较为常用的一种方法，常用于定位，就是通过算法，在新的图像中找到模板图像的位置。例如以下两个图像。
这种模板匹配是最基本的模板匹配。其特点只是存在平移旋转，不存在尺度变化，同时光照变化不大。这样很适合常规的灰度模板匹配。但是利用opencv不太好解决角度的问题，同时速度上也达不到工业需求，因此，halcon的用途就来了。下面我详细介绍模板匹配的过程：
1 首先是选择区域。也就是ROI。我们先建一个矩形区域，以矩形的中点作为参考点。
//矩形区域 gen_rectangle1(&Rectangle, startpoint.y, startpoint.x, h + startpoint.y, w + startpoint.x);
//矩形中心点 area_center(Rectangle, &Area, &RowRef, &ColumnRef);
//设置ROI reduce_domain(ImageHalcon, Rectangle, &ImageReduced);
2 新建模型。
create_ncc_model(ImageReduced, "auto", HTuple(-45).Rad(), HTuple(90).Rad(), "auto", "use_polarity", &ModelID);
创建的NCC模型，这种模型是最简单的，只适用于光照变化不大，且不存在尺度变化的。建
立的模型以 ModelID 标识
3 模板匹配。载入待匹配的图像ImageSearch和之前的mode。
find_ncc_model(ImageSearch, ModelID, HTuple(-45).Rad(), HTuple(90).Rad(), 0.5, 1, 0.5, "true", 0, &Row, &Column, &Angle,
&Score);
4 匹配分析
if(Score.Num()>0)//如果score大于零 表明匹配正确
{
// 获取仿射变换矩阵HomMat2d,可以直接获取
vector_angle_to_rigid(RowRef, ColumnRef, 0, Row, Column, Angle, &HomMat2D);
affine_trans_region(Rectangle, &RegionAffineTrans, HomMat2D, "false");
// [a b c] [ a b]
//[ d e f] [ d e]为旋转 [c f]T 为平移
//
double a, b, c, d, e, f;
e = HomMat2D[0].D();
d = HomMat2D[1].D();
f = HomMat2D[2].D();
b = HomMat2D[3].D();
a = HomMat2D[4].D();
c = HomMat2D[5].D(); double angle;
angle = Angle[0].D() * 180 / 3.1415926;
//angleoff = 5*3.14159/180;
angleoff = Angle[0].D();
//ROI参考点中心在待匹配图像中的位置
centerpoint.x = Column[0].I();
centerpoint.y = Row[0].I();
endcenter = centerpoint;
cvCircle(m_testimage, centerpoint, 4, cvScalar(0, 0, 255), 2, 8, 0);
//当然，仿射变换矩阵我们可以直接通过旋转和平移求得
a = cos(angleoff);
b = sin(angleoff);
d = -sin(angleoff);
e = cos(angleoff);
c = endcenter.x - (a*startcenter.x + b*startcenter.y);
f = endcenter.y - (d*startcenter.x + e*startcenter.y); HTuple x1, y1, x2, y2;
x1 = 573;
y1 = 407;
//我们可以通过仿射变换矩阵，将模板图像中的一个点映射到待匹配图像中的点
Halcon::affine_trans_point_2d(HomMat2D, y1, x1, &y2, &x2);
CvPoint2D32f p1, p2;
p1.x = x2[0].D();
p1.y = y2[0].D(); x1 = 625;
y1 = 480; Halcon::affine_trans_point_2d(HomMat2D, y1, x1, &y2, &x2);
p2.x = x2[0].D();
p2.y = y2[0].D(); p1.x = (int)p1.x;
p1.y = (int)p1.y; p2.x = (int)p2.x;
p2.y = (int)p2.y; DispImage(ImageSearch); Halcon::disp_obj(RegionAffineTrans, HalHwndView1);
CString str;
str.Format("角度为：%.4f 度 ：(%f , %f)", angle, xoff, yoff); cvLine(m_testimage, cvPoint(p1.x, p1.y), cvPoint(p2.x, p1.y), cvScalar(255, 0, 0));
cvLine(m_testimage, cvPoint(p1.x, p1.y), cvPoint(p1.x, p2.y), cvScalar(255, 0, 0));
cvLine(m_testimage, cvPoint(p2.x, p1.y), cvPoint(p2.x, p2.y), cvScalar(255, 0, 0));
cvLine(m_testimage, cvPoint(p1.x, p2.y), cvPoint(p2.x, p2.y), cvScalar(255, 0, 0)); str.Format("角度为：%.4f 度 已经匹配ROI的中心：(%d , %d)",angle, centerpoint.x,centerpoint.y);
GetDlgItem(IDC_STATIC_SWINFO)->SetWindowText(str);
cvNamedWindow("匹配结果",0);
cvShowImage("匹配结果",m_testimage); }else
{
CString str="没有匹配成功";
GetDlgItem(IDC_STATIC_SWINFO)->SetWindowText(str);
}