邊緣匹配，通過計算與模板的輪廓相似度在圖像中尋找目標。

通過鼠標操作 ROI 選定模板，進入【高級參數】設置匹配角度范圍，最小相似度分數，并可修改模板。

通過圖像方法主處理下拉框選擇 邊緣匹配 

【鼠標操作】通過鼠標改變 ROI 的大小，并拖放至適當的位置作為學習的模板。

【方法學習】保存該方法及模板 

點擊高級參數進行高階調整 

【個數】希望尋找的目標數量

【分數】目標與模板間的相似度分數

【比例容差】目標與模板間的大小比例變化

【角度基準】目標在圖像中的旋轉角度

【角度容差】在<角度基準>基礎上的尋找角度范圍

【匹配位置】分數最大，最左邊的，最右邊的，最上邊的，最下邊的

            當圖像中存在多個目標時，可選擇返回其中符合位置的一個。

【模板類型】Consistent edge、Thin Structure

Consistent edge：是默認的選項，表示邊緣特征為連續的曲線。大部分情況下使用該參數即可。

            Thin Structure：針對特征邊緣比較靠近而容易被認為是同一邊緣曲線的情況，比如兩條靠得很近的平行直線。

【模板修改】彈出模板修改框對模板進行修改

【最小特征點數】模板邊緣的最小特征點數目，表示在金字塔頂層模板保留的邊緣點數。

                該數值越大，能提高在頂層初步匹配的準確性。

【最大特征點數】模板邊緣的最大特征點數目，默認為 1024

                算法將根據設定的特征點數目，均勻提取模板邊緣上的特征點。

                例如模板邊緣點數目為 2000 點，算法將均勻提取 1024 點特征；

                若模板邊緣點數目為 700 點，那么算法將提取全部 700 點特征。

      對于邊緣模糊的圖像，提高特征點數有利于提高匹配準確度。

說明：

【角度基準】與【角度容差】的關系舉例，假如角度基準設置成 0 度，角度容差設置成 5 度，即算法將在

[-5 +5]度的范圍內

模板修改 

如模板存在干擾的邊緣特征點，可通過鼠標操作進行模板修改。

如下圖，算法在提取邊緣特征點時，將不再考慮被涂的紅色區域。

   float x;

  float y;

  float score;

  float angle;