[db:标题]

十一期间在家用期间研读了下Halcon的variation_model模型，基本上全系复现了他的所有技术要求和细节，这里做个记录。 　　其实这个模型的所有原理都不是很复杂的，而且Halcon中的帮助文档也讲的很是清楚，所以通过猜测、测试、编码基本能搞清楚是怎么回事。 　　关于这个模型，Halcon里有如下十来个函数： 　　create_variation_model、prepare_variation_model, train_variation_model、compare_variation_model、prepare_direct_variation_model、clear_variation_model, clear_train_data_variation_model, compare_ext_variation_model, get_thresh_images_variation_model, get_variation_model、 clear_train_data_variation_model, write_variation_model 。 　　看起来涉及到了蛮多的东西的。 　　那么一般的工作流程是：create_variation_model ---> train_variation_model　--->　prepare_variation_model ---> compare_variation_model --->clear_variation_mode。 　　即： 创建模型，然后训练模型，接着就是准备模型，这个时候就可以使用了，那么可以开始做输入比较了，比较完事了，清楚模型。 　　所谓的variation_model的模型呢，其实是从一系列已经确认是OK的样图中，训练出2幅结果图，即上限图和下限图，也可以认为是训练出图像公差带，当要进行比较的时候，就看输入的图像的每个像素是否位于这个公差带之类，如果是，则这个点是合格的，不是，则这个像素点就是不合格的区域。 　　那么在Halcon中，把这个工作就分解为了上面这一大堆函数。我们稍微来对每个函数做个解析。 　　一、create_variation_model 创建模型。 　　这个算子有如下几个参数： 　　　　　　create_variation_model( : : Width, Height, Type, Mode : ModelID) 　　这里主要是注意Type和Mode两个参数。　　 　　其中Type可以取'byte', 'int2', 'uint2' 这三种类型，我这里的解读是这个算子支持我们常用的8位灰度图像 和 16位的Raw图像， 16位因为有signed short和unsigned short，所有这里也有int2 和uint2两种类型。 　　Mode参数有3个选择，: 'standard', 'robust', 'direct'，这也是这个算子的灵魂所在，具体的做法后续再说，在创建时只是保存了他们的值，并没有做什么。 　　那么创建的工作要做的一个事情就是分配内存，Halcon里的帮助文章是这样描述的： 　　A variation model created with create_variation_model requires 12*Width*Height bytes of memory for Mode = 'standard' and Mode = 'robust' for Type = 'byte'. For Type = 'uint2' and Type = 'int2', 14*Width*Height are required. For Mode = 'direct' and after the training data has been cleared with clear_train_data_variation_model, 2*Width*Height bytes are required for Type = 'byte' and 4*Width*Height for the other image types. 　　为什么是这样的内存，我们后续再说，接着看下一个函数。 　　二、train_variation_model 训练模型 　　这个算子是这个功能的最有特色的地方，他用于计算出variation_model 模型中的ideal image和variation image，即理想图像和方差图像。 　　当Mode选择'standard', 'robust'时，此算子有效，当Mode为'direct'无效。