这样设计下去，每一个正常的人都会疯掉!我们已经升了十四级，该告一段落了！其实这个过程叫做learning，learning是一个耗时，复杂，练习，寻找道，领悟道的一个过程，大多数情况是学不到，以失败告终，所以learning是一个艰难困苦的历程。那么我们的道是什么？就是线图像。我们学会了线图像变感兴趣区域（ROI），学会了变找线工具，学会了变找圆工具，其实还可以变相对坐标系工具（fixture），而后来的变化，是需要你自学的，因为世界上美好的东西，都是你自学而来的。不要笑话猪八戒的三十六变，我们才拥有四变，所以孙大圣的七十二变更是吃尽苦头的神奇变化。学会一种根基，后来的都可以在其上多加练习即可，熟能生巧·而已。learning结束了，学以致用，用什么？在视觉领域，就是匹配识别；匹配识别就是应用。五千年的学习（learning），终于悟透了相对论，这是一个100年应用相对论的时光；五千年的学习（learning），终于悟透了计算机，这是一个100年应用计算机的时光。对于个人而言，你学习的时光是没有白费的，虽然有些漫长。如果你搞不清相对论的条件，那么你就不会灵活运用相对论，所以相对论是白学了；计算机视觉匹配识别也是这样，如果你不清楚学习（learning）时的条件，那么，你也就白学（learning）了，因为匹配识别就是在利用学习（learning）时的条件，获取事物的特征（抽象）。当下，是我们在教自己通过工具学习特征，以达到匹配（match）的目的。而AI是我们通过算法教计算机学习特征，在大数据中，因为计算机还不会设计工具来学习特征，所以算法更具一般性，更抽象，更耗时（包括两方面，1是算法计算复杂，2是大数据耗时，而人眼会避开这两方面，直接以工具的方式提供事物的特征。所以你会看到计算机视觉的地位，AI必然难以绕过他，在进化中），所以你就会看到，计算机视觉插上数学（算法）翅膀的威力。
当我们习惯了使用别人的东西，一时半会还回不过神来，在工厂里，我们总是按别人教的，先匹配定位，然后使用找线工具，找圆工具。当我们自己设计了这样的工具，意识里首先也是这样的条件反射，匹配是什么鬼？这么神奇!从未想过找圆工具可以，记得刚开始学匹配，使用笨方法，用感兴趣区域截下来的图像去原图像中一个一个挨着找，失败的多，成功的少。但笨有笨的好处，后来发现了斑匹配，轮廓匹配，块匹配，角点匹配，还有今天要说的，找圆工具也可以用来匹配（这就是我找圆工具又有了新发现），当你有这样的想法，便一发不可收拾，最后归根到线图像。当回到这里，你发现自己走了一个圈。你也发现，匹配的神话也一点一点的被打破，原来你也可以做到。
在晶圆中有一个电极很像岳云的武器铜锤，只不过他是10um级别的，一片晶圆中有许许多多个，当时考虑过若不用cognex的匹配工具，自己该如何实现呢？因为当时沉迷于斑匹配，花费很大功夫搞出来，但效果不好，而今天使用找圆工具做了几个版本尝试，最后在500万的图像中，最糟糕情况（即从上往下，从左到右找，在右下角的电极），最好见到花时间280ms效果，若在左上区域，见到耗时小于100ms（使用intel 酷睿i5，2520m笔记本处理器）。
看一看我们设计的找圆工具学习（learning）时的条件：1，图像二值化门槛值；2，寻找方向，譬如白到黑；3，线图像连续5个像素梯度和大于20；4，弹性；5，圆心，半径；6，穿越点（特征点）7，关键点（譬如圆心处）；8，缺口方向；9，线图像的起始点，终止点。好，我们是这样找到圆的，没错!记住，匹配时，条件要保持一致，而不必考察全部的特征点，灵活使用learning到的条件。
你可以一试，你值得一试，所有的努力，只为模式识别大门的洞开!
近期跑的太快，这是一种误导，以上的获取其实是慢时光的领悟。我暂时在匹配模式，你或许是learning模式。
(未完，慢慢来.....................................)