圖像和實例有助於更好的理解參數含義和如何應用
create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
Template ：模板圖像
NumLevels：圖像金字塔級數，該值越小，模板匹配耗時越長，可設置自動-‘Auto’，可使用get_shape_model_params來獲取模板所有參數，包括級數。
AngleStart：模板起始角度。
AngleExtent：模板角度幅度，若目標有旋轉，模板需做不同角度。
AngleStep：角度步長，可設置自動-‘Auto’。
注：若選擇預生產模式，不同角度的模板在創建模板時生成。否則在匹配find_shape_model時生成，這樣無疑會耗費更長的模板匹配時間。
Optimization：模板點儲存模式，設爲’none’時，全點儲存，若選擇點較少時，匹配分值可能較低。當設爲’auto’時，點數自動減少。當模板較小時，較少點數並不會降低模板匹配時間，因爲將有更多的可能的實例必須被檢查。所以當模板較大時，可較少點數，用於提速。
Metric：圖像與模板中對比度差異不大時,選擇'use_polarity'；設爲'ignore_global_polarity'，只有對比度相反的對象纔會被發現，且模板與噪聲區分開來。在可提取完整模板信息的前提下，設置偏大，可減少噪聲提取。
ModelID：輸出創建模板ID。
可參考http://chuansince1991.blog.163.com/blog/static/991242122011101075156680/
find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)
Image：搜索圖像
ModelID：模板ID
AngleStart：搜索起始角度
AngleExtent：搜索角度幅度。匹配時，從圖像Image中搜索設定角度範圍內的模板。
MinScore:最小匹配分值,大於該分值纔可被搜索到.參數MinScore定義模板匹配時至少有個什麼樣的質量係數纔算是在圖像中找到模板。MinScore設置的越大,搜索的就越快。如果模板在圖像中沒有被遮擋，MinScore可以設置爲0.8這麼高甚至0.9。
NumMatches：匹配個數。若滿足匹配分值的結果個數大於該值NumMatches，則返回質量係數最好的結果；若滿足匹配分值的結果個數小於等於該值NumMatches，則返回的所有滿足匹配分值的結果；設爲0時，返回所有滿足分值的結果。
MaxOverlap：如果模型具有對稱性，會在搜索圖像的同一位置和不同角度上找到多個與目標匹配的區域。參數MaxOverlap是0到1之間的，定義了找到的兩個目標區域最多重疊的係數，以便於把他們作爲兩個不同的目標區域分別返回。如果找到的兩個目標區域彼此重疊並且大於MaxOverlap，僅僅返回效果最好的一個。重疊的計算方法是基於找到的目標區域的任意方向的最小外接矩形(看smallest_rectangle2)。如果MaxOverlap=0, 找到的目標區域不能存在重疊, 如果MaxOverla p=1，所有找到的目標區域都要返回。
SubPixel：精度控制，該參數的選擇影響定位結果參數（位置，角度，縮放比例）。精度越高速度越慢。None(不使用亞像素-100%)-'interpolation'（差值亞像素-100%-0.079）-'least_squares_high'（最小二乘亞像素-120%-0.025）-'least_squares_high'（最小二乘亞像素-131%-0.014）- 'least_squares_very_high'（最小二乘亞像素-142%-0.013）,【方法（解釋-耗時-角度誤差）】
NumLevels：搜索時使用金字塔層數.如果NumLevels=0，使用創建模板時金字塔的層數。
Greediness：用於控制定位加速。該值越大，速度越快，找丟模板的機率也越大。推薦值0.7-0.9.
可參考http://blog.sina.com.cn/s/blog_6b81f9d40100q58y.html