Halcon中一个完整的模板匹配过程如下：

如上图所示，每一张图上芯片的位置和角度不固定，需要定位到绿色框内的针脚进行检测，如果以绿色框作为模板ROI，因为图片上有很多针脚，可能会匹配到其他位置，因此，以红色框作为模板ROI，蓝色框作为检测ROI。

以下是测试效果：

可以看到能够准确定位到检测ROI，图片资源是Halcon自带例程的图片，路径为：Halcon安装路径\images\board，Halcon完整代码如下：

上述例程中涉及到坐标的算子主要有：

算子原型：create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)

–Template ：用于创建模板的图像，是原图的模板ROI区域；

–NumLevels：金字塔层的最大层数；

–AngleStart：模板的最小旋转角度，以弧度为单位；

–AngleExtent：旋转角度范围，必须≥0，以弧度为单位；如果超出角度范围，则模型搜索不到

–AngleStep：角度步长，以弧度为单位；

–Optimization：生成模型的优化方法；

–Metric：模板匹配的条件，在模板与图像亮暗发生反转时可使用；

–Contrast：创建模型时，模型点的对比度；

–MinContrast ：在搜索的图像中，搜索对象的最小对比度，必须＜Contrast；

–ModelID：模型的句柄。

算子使用时可能出现的错误：

通过帮助文档看到是模板的点数太少，当绘制的模板ROI区域太小，或模板ROI区域内特征不明显时会出现，可以扩大模板ROI区域。

在算子get_shape_model_contours和set_shape_model_origin的帮助文档中有说明：默认情况下，模板轮廓的原点位于模型区域的重心，即通过area_center获取的模板ROI的坐标，如下图所示的坐标系O 模 X 模 Y 模 O_模X_模Y_模O模​X模​Y模​是模板轮廓的原始坐标系。

首先使用area_center (Rectangle, Area, Row, Column)获取O 模 O_模O模​在O 图 O_图O图​中的坐标；然后使用set_shape_model_origin (ModelID, -Row, -Column)将O 模 X 模 Y 模 O_模X_模Y_模O模​X模​Y模​移动至与O 图 X 图 Y 图 O_图X_图Y_图O图​X图​Y图​重合，

算子原型：find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)

– Image ：输入图像；

–ModelID：模型的句柄；

–AngleStart：模板的最小旋转角度，以弧度为单位；

–AngleExtent：旋转角度范围，必须≥0，以弧度为单位；如果超出角度范围，则模型搜索不到

–MinScore：要搜索到的模型实例的最小得分，如果低于此分数，则搜索不到；

–NumMatches：要搜索到的模型实例的个数；

–MaxOverlap：要找到的模型实例的最大重叠；

–SubPixel：确定找到的目标是否使用亚像素精度提取；

–NumLevels：搜索过程中使用的金字塔级别的数量 ；

–Greediness ：搜索启发式的“贪婪度”，(0：安全但缓慢；1：快，但可能匹配不到)

–Row：找到的模型实例的行坐标，坐标值是找到模板的原点在图像坐标系中的行坐标；

–Column：找到的模型实例的列坐标，坐标值是找到模板的原点在图像坐标系中的列坐标；

–Angle：找到的模型实例的角度；

–Score： 找到的模型实例的分数。

计算变换矩阵算子原型：vector_angle_to_rigid( : : Row1, Column1, Angle1, Row2, Column2, Angle2 : HomMat2D)

–Row1：原始点的行坐标；

–Column1：原始点的列坐标；

–Angle1：原始点的角度；

–Row2：变换点的行坐标；

–Column2：变换点的列坐标；

–Angle2：变换点的角度；

–HomMat2D：输出的变换矩阵。

ROI坐标转换使用算子：affine_trans_contour_xld和affine_trans_region