先看代码实践
dev_update_off () dev_close_window () *读图 read_image (Image, 'D:/1.bmp') get_image_size (Image, Width, Height) *测试提取边缘 edges_image(Image,Amp,Dir,'lanser2',0.5,'none',-1,-1) hysteresis_threshold(Amp,Margin,20,30,30) *彩色转灰度图 count_channels (Image, Channels) if (Channels == 3) rgb1_to_gray (Image, GrayImage) *真彩色转灰度图 elseif (Channels == 4) decompose4 (Image, ImageR, ImageG, ImageB, ImageA) compose3 (ImageR, ImageG, ImageB, MultiChannelImage) rgb1_to_gray (MultiChannelImage, GrayImage) endif *显示图 dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) set_display_font (WindowHandle, 16, 'mono', 'true', 'false') dev_display (Image) *自适应二值化 median_image (Image, Median, 'circle', 3, 'mirrored') auto_threshold(Median, Regions, 2) *动态二值化 D := 100 mean_image(Image, Mean, D*2+1, D*2+1) dyn_threshold(Image, Mean, Seg, 5, 'light') regiongrowing (Image, Regions, 1, 1, 6, 1) gen_contour_region_xld (Regions, Contours, 'border') *threshold_sub_pix只能取外轮廓 threshold_sub_pix(Image, Border, 128) derivate_gauss(Image,Laplace,3,'laplace') zero_crossing_sub_pix(Laplace,ZeroCrossings) *测试soble sobel_amp (Image, EdgeAmplitude1, 'thin_max_abs', 5) sobel_amp (GrayImage, EdgeAmplitude2, 'thin_max_abs', 5) *图像的“边缘”指的是:图像中灰度有明显跳变的地方。如果在图中画一条“有一定宽度的线”,那么线的两侧应该都可以提取到边缘。 *而线条提取的算子(例如lines_gauss)提取的是这条“有一定宽度的线”的“骨架线”,它一般只有一根。 *提取骨架线条 MaxLineWidth := 10 Contrast := 20 calculate_lines_gauss_parameters (MaxLineWidth, Contrast, Sigma, Low, High) lines_gauss (GrayImage, Lines, Sigma, Low, High, 'dark', 'true', 'parabolic', 'true') count_obj (Lines, Number) * lines_gauss (GrayImage, Lines, 2.3, 0.0, 0.7, 'dark', 'true', 'parabolic', 'true') *亚像素提取边缘 *Alpha数值越大,轮廓越圆滑 edges_sub_pix (GrayImage, Edges1, 'canny', 1, 3, 5) *edges_sub_pix (GrayImage, Edges2, 'canny_junctions', 1, 5, 10) *edges_sub_pix (GrayImage, Edges3, 'lanser1', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges4, 'lanser2', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges5, 'deriche1', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges6, 'deriche2', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges7, 'shen', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges8, 'mshen', 0.5, 20, 40) *edges_sub_pix (GrayImage, Edges9, 'sobel', 0.5, 20, 40) *合并邻近的XLD,使得细小线段拼接起来 *select_contours_xld (Edges1, SelectedContours, 'contour_length', 5, 99999, -0.5, 0.5) union_adjacent_contours_xld (Edges1, UnionContours, 5, 1, 'attr_keep') *根据轮廓特征选择XLD *这个算子用到的轮廓特征如下:contour-length轮廓长度,direction轮廓回归线方向,用参数min1,max1; *curvature曲率,轮廓XLD到回归线的平均距离和标准差各有范围选择,平均距离使用参数min1,max1; *标准差使用min2,max2,条件是在两参数的大小范围之内。 select_contours_xld (UnionContours, SelectedContours, 'contour_length', 10, 99999, -0.5, 0.5) *close_contours_xld(SelectedContours, ClosedContours) count_obj(SelectedContours, NumberContours) stop() for i := 1 to NumberContours by 1 select_obj (SelectedContours, ObjectSelected, i) length_xld (ObjectSelected, Length) *计算xld的面积以及中心位置 area_center_xld(ObjectSelected, area, row, column, PointOrder) get_contour_xld (ObjectSelected, row, col) endfor dev_set_color ('green') dev_display (Image) dev_display (Lines) dev_display (Edges1) stop() *测试彩色 edges_color_sub_pix (Image, EdgesColor, 'canny', 1, 5, 10) dev_display (Image) dev_set_color ('blue') dev_display (EdgesColor) *测试HSV decompose3(Image, r, g, b) trans_from_rgb(b, g, r, h, s, v, 'hsv') Sigma := 4 auto_threshold (h, Region1, Sigma) auto_threshold (s, Region2, Sigma) auto_threshold (v, Region3, Sigma) edges_sub_pix (r, Edge1, 'canny', 1, 2, 5) edges_sub_pix (g, Edge2, 'canny', 1, 2, 5) edges_sub_pix (b, Edge3, 'canny', 1, 2, 5) edges_sub_pix (h, Edge4, 'canny', 1, 2, 5) edges_sub_pix (s, Edge5, 'canny', 1, 2, 5) edges_sub_pix (v, Edge6, 'canny', 1, 2, 5) stop ()
再看理论知识:
一、边缘提取
1、设置ROI兴趣区域
2、快速二值化,并连接相邻区域。
这样做的目的是进一步减少目标区域,通过二值化将目标区域大概轮廓提取出来
3、提取最接近目标区域的轮廓
常用函数有boundary,gen_contour_region_xld
4、根据自己的需求提取需要的初步轮廓
5、将初步提取的初步轮廓进行膨胀操作
6、将膨胀后的区域和原图进行减操作(在这步之前有可能需要对原图进行高斯滤波)。这样就能得到只有边缘的真实图像
7、用canny或其他算子(根据需要)提取亚像素轮廓,一般使用edges_sub_pix函数
8、处理和计算
得到真实的边缘XLD后你可能需要进一步处理得到你想要的线、弧等。
你可能用到的函数segment_contours_xld(分割) union_collinear_contours_xld(联合相邻或相同角度直线)select_contours_xld(提取想要的轮廓) union_cocircular_contours_xld(联合相同圆)等等
得到轮廓后如果你不知道怎么处理后得到你想要的东西(线、弧、圆、角、矩形)你都可以将轮廓转化为点,然后用点集合来拟合任何你想要的东西。
二、BLOB分析检测(前面一篇有详细讲解,本骗只讲思路)
(1)应用ROI,可以使Blob分析加速。
(2)匹配ROI区域或图像,详将GUIDEIIB以形状为基础的匹配。
(3)校正图像<经常用来去除镜头畸变或把图像转换到参考点视角,如双目视觉时的图像校正>
(4)图像前处理
(5)引用分割参数
(6)分割图像
(7)区域处理
(8)特征提取
(9)把提取的结果转换到世界坐标中
(10)结果可视化。
相机的标定和矫正不在本篇的学习之中。直接讲提取BLOB
1、一般先使用均值滤波去噪
2、利用去噪图像与平滑图像的OFFSET提取区域边缘,常见函数dyn_threshold
3、提取连通域dyn_threshold
4、根据形状或是灰度等特征来提取你想要的blob。
另一种方法就是分水岭算法
watersheds (ImageGauss, Basins, Watersheds)/
1、对图像进行高斯滤波
还有的图形更简单直接二值化就可以啦
bin_threshold (Fin, Dark) //分割图像,输出Dark区域,Fin已经被处理为区域//
difference (Fin, Dark, Background) //计算Fin与Dark两个区域的补集//
还有个函数应该说是让你高兴还是沮丧呢,以为一个函数就可以直接提取你想要的,但是参数很难调整
lines_gauss(Image, Lines, 6, 0.3, 0.5, 'light', 'true', 'gaussian', 'true')
三、赃物检测
1、得到两个不同高斯标准差的高斯积卷
2、对原始图像进行傅里叶变换'to_fre'
3、用之前的积卷对图像做积卷滤波
4、傅里叶反变换‘from_fre’
二值化算子与例程
auto_threshold
dyn_threshold
var_threshold
binary_threshold
fast_threshold
fast_threshold_vs_threshold
histo_to_thresh
local_threshold
threshold
threshold_sub_pix
C:\Users\Public\Documents\MVTec\HALCON-19.11-Progress\examples\hdevelop\Segmentation\Threshold
Halcon中实现Otsu 算法
https://blog.csdn.net/IntegralforLove/article/details/100102105
Halcon算子学习:图像阈值分割-threshold、binary_threshold、dyn_threshold算子
https://blog.csdn.net/Vichael_Chan/article/details/102576060
1.threshold-全局固定阈值分割
2.Binary Threshold-自动全局阈值分割
3.dyn_threshold-局部动态阈值分割
4.var_threshold算子-均值和标准偏差局部阈值分割
5.dual_threshold-双重阈值分割(有符号图像的阈值算子)
6.auto_threshold-自动全局阈值分割
7.fast_threshold-快速全局阈值分割
8.watersheds-分水岭算法分割
---
参考文章:
提取线条的lines_color、lines_facet、 lines_gauss算子
halcon之共线连接union_collinear_contours_xld
用halcon提取衣服徽章
官方自带的例子:
measure_grid.hdev
lines_gauss.hdev
edge_segments.hdev
rim_simple.hdev
sort_contours_xld.hdev