Halcon OCV检测

1.对比了Halcon,Visionpro,VM等算法平台。发现OCV算法效果和输出结果都类似。都是提前训练OCV模型,运行时输出分数。
2.下面总结Halcon的OCV算法,并做优化。Halcon官方案例是针对单个字符区域做核验,只能输出单个字符的分数,如果字符很多,则需要创建N多的OCV模型,不适用工业项目。我稍做整合,利用一个模型,核验所有字符,并输出每一个字符的分数。

read_image (Image, ‘fonts/arial_a1’)
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width / 2, Height / 2 + 42, ‘black’, WindowHandle)
dev_set_part (-84, 0, Height - 1, Width - 1)
set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)
dev_display (Image)
dev_set_draw (‘margin’)
*创建空图像数组,用于OCV训练
gen_empty_obj (ImgArray)
*创建待训练的字符数组
OcvText:=[‘A’,‘B’,‘C’,‘D’,‘E’]
*创建OCV模型
create_ocv_proj (OcvText, OCVHandle)

dev_set_color (‘red’)
read_image (Image, ‘fonts/arial_a’ + 1)
binary_threshold (Image, Region, ‘max_separability’, ‘dark’, UsedThreshold)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 150, 99999)
sort_region (SelectedRegions, SortedRegions, ‘character’, ‘true’, ‘row’)
for I := 1 to 5 by 1
select_obj (SortedRegions, ObjectSelected, I)
shape_trans (ObjectSelected, RegionTrans, ‘rectangle1’)
dilation_rectangle1 (RegionTrans, RegionDilation, 15, 15)
reduce_domain (Image, RegionDilation, ImageReduced)
concat_obj (ImgArray, ImageReduced, ImgArray)
endfor
*训练OCV模型
traind_ocv_proj (ImgArray, OCVHandle, OcvText, ‘single’)
*
*运行测试训练好的OCV模型
gen_empty_obj (RegionArrayTest)
gen_empty_obj (ImgArrayTest)
for I := 1 to 9 by 1
gen_empty_obj (ImgArrayTest)
gen_empty_obj (RegionArrayTest)
read_image (Image, ‘fonts/arial_a’ + I)
binary_threshold (Image, Region, ‘max_separability’, ‘dark’, UsedThreshold)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 150, 99999)
sort_region (SelectedRegions, SortedRegions, ‘character’, ‘true’, ‘row’)
for J := 1 to 5 by 1
select_obj (SortedRegions, ObjectSelected, J)
shape_trans (ObjectSelected, RegionTrans, ‘rectangle1’)
dilation_rectangle1 (RegionTrans, RegionDilation, 15, 15)
reduce_domain (Image, RegionDilation, ImageReduced)
concat_obj (ImgArrayTest, ImageReduced, ImgArrayTest)
concat_obj (RegionArrayTest, RegionDilation, RegionArrayTest)
endfor
*字符核验
do_ocv_simple (ImgArrayTest, OCVHandle, OcvText, ‘true’, ‘true’, ‘true’, ‘true’, 5, Quality)

* Display quality
if (Quality > 0.9)
    Color := 'green'
elseif (Quality > 0.7)
    Color := 'yellow'
else
    Color := 'red'
endif
dev_display (Image)
dev_set_color (Color)
dev_set_line_width (2)
dev_display (RegionArrayTest)
disp_message (WindowHandle, 'Check print quality of \'A\' (Image  ' + I + ' of 9)', 'window', 12, 12, 'black', 'true')
disp_message (WindowHandle, 'Quality = ' + Quality$'.2f', 'image', 120, 12, 'black', Color)
if (I < 9)
    disp_continue_message (WindowHandle, 'black', 'true')
    stop ()
endif

endfor
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Halcon目标检测是一种功能强大的机器视觉技术,主要用于从复杂的图像或图像序列中定位和识别特定的目标对象。 Halcon目标检测的基本原理是通过图像处理和分析算法,从图像中提取出具有目标特征的信息。它通过预先训练好的模型,可以识别和定位特定的目标。 Halcon目标检测包含以下几个主要步骤: 1. 图像预处理:首先对图像进行预处理,包括图像的去噪、滤波、灰度化等操作,以减少后续处理的干扰和提高处理效果。 2. 特征提取:通过特征提取算法,从图像中提取出与目标对象相关的特征信息。常用的特征包括边缘、纹理、颜色等。 3. 目标定位:根据提取的特征信息,使用匹配或分类算法对目标进行定位。匹配算法基于图像之间的相似度进行匹配,分类算法则根据已有的模型对目标进行分类判断。 4. 目标识别:根据目标定位的结果,对目标进行识别和分类。通过比对模型库中的模板或使用机器学习算法进行分类,最终确定目标的身份。 Halcon目标检测技术具有广泛的应用领域,包括工业自动化、智能交通、医学影像等。它可以帮助实现自动化生产、交通监控、医学诊断等任务,提高工作效率和准确性。 总结起来,Halcon目标检测是一种利用图像处理和分析算法,通过提取目标特征信息、定位和识别目标的技术。它的应用范围广泛,可以帮助实现许多自动化任务,提高工作效率和精度。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值