halcon图像处理——1D测量

整理一下最近做的关于使用halcon1D测量的工作。
目的：测量下图中黑线的距离（自己随意画的）

因为接触halcon不久，大多数算子都不知道有什么用，通过看例程以及网上查找资料，主要用了以下几个算子完成：
一、measure_pairs

Row := 400
Column := 600
Length1 := 400
Length2 := 100
Angle := 0
gen_rectangle2 (ROI, Row, Column, Angle, Length1, Length2)

gen_measure_rectangle2 (Row, Column, Angle, Length1, Length2, Width, Height, 'bilinear', MeasureHandle)
dev_display (ROI)

measure_pairs (Image, MeasureHandle, 1, 20, 'negative', 'all', RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance)

close_measure (MeasureHandle)

以上是例程fuze里面的几个主要算子，我用这个方法可以成功的得到结果，程序很简单，几乎是复制例程就好，只需要注意measure_pairs 的Threshold参数符合自己的图片就行。
在此基础上，而后又增加了模板，不管图片是旋转了还是平移都可以测量，只是因为不同的图片Threshold阈值不同，所以我用了mean_image中值滤波，程序如下：

*Creat model
read_image (Image, 'C:\Users\Desktop\1.bmp')
get_image_size(Image, Width, Height)
mean_image(Image, ImageMean, 9, 9)
gen_rectangle1(Rectangle, 20, 300,800, 1000)
reduce_domain(ImageMean, Rectangle, ImageReduced)
create_shape_model (ImageReduced, 'auto', rad(-180), rad(360), 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
gen_rectangle2(Rectangle1, 480, 600,0, 300, 100)
*Read another image
read_image (Image1, 'C:\Users\Desktop\5.bmp')
mean_image(Image1, ImageMean2, 9, 9)
find_shape_model(ImageMean2, ModelID,  rad(-180), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row2, Column2, Angle2, Score)
if(|Score|>0)
   dev_display_shape_matching_results(ModelID, 'red', Row2, Column2, Angle2, 1, 1, 0)
   area_center(Rectangle, Area, Row00, Column00)
   vector_angle_to_rigid(Row2, Column2, Angle2,Row00, Column00, 0,  HomMat2D)
   affine_trans_image(ImageMean2, ImageAffinTrans, HomMat2D, 'constant', 'false')
   dev_clear_window()
   dev_display(ImageAffinTrans)
   dev_display(Rectangle1)

   gen_measure_rectangle2(480,600,0,300,100,Width, Height, 'nearest_neighbor', MeasureHandle2)
   measure_pairs(ImageAffinTrans, MeasureHandle2, 1, 10, 'all', 'all', RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance)
endif

这种方法几乎可以达到测量目的了，只是跟我的工作要求不符，而且测量精度不知道能不能保证，于是当做了一个备用方案。

二、distance_ss
程序如下：

read_image (Image, 'C:\Users\Desktop\1.bmp')
mean_image(Image, ImageMean, 3, 3)

threshold_sub_pix(ImageMean, Border, 128)
segment_contours_xld(Border, ContoursSplit, 'lines', 500, 4, 2)
select_contours_xld(ContoursSplit, SelectedContours, 'contour_length', 150, 1200, -0.5, 0.5)
union_adjacent_contours_xld(SelectedContours, UnionContours, 10, 1, 'attr_keep')
select_obj(UnionContours,ObjectSelected1,1)
select_obj(UnionContours,ObjectSelected2,2)
fit_line_contour_xld(ObjectSelected1, 'tukey', -1, 0, 5, 2, RowBegin1, ColBegin1, RowEnd1, ColEnd1, Nr1, Nc1, Dist1)
fit_line_contour_xld(ObjectSelected2, 'tukey', -1, 0, 5, 2, RowBegin2, ColBegin2, RowEnd2, ColEnd2, Nr2, Nc2, Dist2)

distance_ss(RowBegin1, ColBegin1, RowEnd1, ColEnd1,RowBegin2, ColBegin2, RowEnd2, ColEnd2,DistanceMin, DistanceMax)

这个方法依然有问题存在，而且问题更,严重，当图片形状发生明显变化的时候，得到的UnionContours不止有两个，这种情况下测量精度就只能看天意了。
不过如果图片形状不会发生非常明显的变化的话，测量的重复性是非常高的，几乎没有变化。
除了这两个算子，我还试过其他算子，比如根据测量助手得到的measure_pos，具体问题见我的另一个帖子：http://www.ihalcon.com/read-6630.html

初步达到测量目的后，剩下的目标是提高测量的精度和重复性，不排除继续寻找其他算子，但是在distance_ss的基础上的话，是要深入研究segment_contours_xld算子，我认为，这种方法之所以存在问题，主要就是分割边界造成的。