机器视觉：掩膜编辑

遮住不必要的图像特征

使用流程

1.在训练模式 ：图像模式

2.点击图像掩膜编辑按钮 打开界面

1.选择不同形状的工具 并且移动形状到 遮盖区域
2.点击掩膜颜色
3.点击填充当前选项
4.点击应用

1.利用橡皮擦可以清除部分掩膜效果

2.通过工具笔刷 或者其他形状

3.清除圆形轮廓 （一般用于匹配形状相同（比如硬币） 但是内部图案不一样 想要匹配成功 可以使用掩膜加清除）

PMAlignTool 六大核心参数详细解析
一、匹配算法（核心匹配逻辑）
PMAlignTool 内置六种专业匹配算法，依据图像质量、工件结构、畸变类型差异化适配，是模板匹配速度与精度的核心决定因素：
1. PatQuick：高速匹配算法，抗干扰、抗图像差异能力强，牺牲部分精度换取极致速度。适用于三维曲面、模糊低质、干扰较多的图像场景，侧重检测效率。
2. PatMax：工业高精度二维匹配算法，依托精细边缘特征运算，对微小细节、细微偏差识别能力极强，是平面工件高精度定位、检测的通用首选算法。
3. PatFlex：高柔性形变匹配算法，适配弯曲、凹凸、轻微变形的曲面工件，兼容形态不规则偏差。优势为适配性广，短板是匹配精度较低，不适用于高精度尺寸定位场景。
4. PatMax-高灵敏度：专为劣质图像优化的增强算法，可提取低对比度、高噪点、轻微形变图像中的微弱特征，解决普通算法漏检、无法识别的问题。
5. 透视PatMax：针对透视畸变优化的专用算法，可校正拍摄角度倾斜、透视拉伸导致的二维特征变形，精准匹配存在透视失真的工件图像。
二、忽略极性
极性指目标与背景的明暗灰度对比关系，分为两种标准：正极性（暗背景、亮目标）、负极性（亮背景、暗目标）。
开启【忽略极性】后，工具将不识别明暗反差关系，仅匹配目标轮廓、形态特征。主要用于现场光线不稳定、光影明暗切换、工件反光不定的场景，避免因极性变化导致匹配失败，大幅提升光照适应性。
三、粗糙度、精细度（特征颗粒度）
二者为配套的特征颗粒筛选参数，用于控制模板匹配的特征层级，平衡匹配速度与匹配精度。
1. 粗糙度（粗糙层级）：代表图像大范围、低精度的宏观轮廓特征。数值越大，抓取的全局特征越多，匹配速度越快，但细节精度越低，抗轻微干扰能力更强，适合粗定位、低精度场景。
2. 精细度（精细层级）：代表图像小范围、高精度的边缘细节特征。数值越小，识别的细节越丰富、匹配精度越高，但运算速度变慢、对噪点更敏感。
核心规则：精细度数值必须小于粗糙度数值，系统默认自动配比，高精度场景适当降低精细度、低精度场景可放宽粗糙度。
四、边缘阈值
用于判定图像有效边缘轮廓与背景杂点的灰度差值临界值，是筛选有效特征、过滤干扰的关键参数。
图像中相邻像素灰度差值大于阈值，判定为工件有效边缘轮廓，参与匹配运算；灰度差值小于阈值，判定为背景噪点、灰度渐变区域，直接忽略过滤。
调参逻辑：阈值设置过小，会抓取大量细微噪点、伪边缘，造成误匹配；阈值设置过大，会过滤掉微弱真实边缘，导致特征缺失、漏匹配。
五、弹性
弹性是模板匹配的容错误差参数，用于兼容模板与实际工件的轻微形态、尺寸偏差。
其原理为允许实际目标特征相对标准模板存在一定浮动偏差，数值代表可容忍的误差范围。弹性数值越大，匹配容错性越高，可适配工件轻微变形、尺寸公差、拍摄偏移；数值越小匹配越严苛、精度越高。
工业通用标准：常规精密检测场景建议取值≤6，兼顾精度与容错性，避免过严漏检、过松误检。