Halcon学习之测量、拟合、卡尺

一、一维测量
基本流程：
1.采集图像
2.产生测量矩形或弧形
gen_measure_rectangle();
gen_measure_arc();
3.测量：
measure_pos();边缘测量
measure_pairs();测量对
4.关闭测量:close_measure();

常用算子参数说明：
gen_measure_rectangle2 (Row, Column, Angle, Length1, Length2, Width, Height, ‘bilinear’, MeasureHandle)
参数1：矩形中心的行坐标
参数2：矩形中心的列坐标
参数3：角度
参数4：矩形的半宽
参数5：矩形的半高
参数6：图像的宽
参数7：图像的高
参数8：插值算法
参数9：测量句柄

gen_measure_arc( : : CenterRow, CenterCol, Radius, AngleStart, AngleExtent, AnnulusRadius, Width, Height, Interpolation : MeasureHandle)
参数1：圆弧中心的行坐标
参数2：圆弧中心的列坐标
参数3：半径
参数4：起始角度
参数5：角度范围
参数6：环形带的半径（宽度的一半）
参数7：图像的宽度
参数8：图像的高
参数9：插值方式
参数10：测量对象句柄

measure_pairs(Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance)
参数1：图像
参数2：测量句柄
参数3：平滑系数
参数4：阈值（用于提取边缘）
参数5：角度范围极性（边缘对第一个边缘的极性，两个边缘的极性相反）。取值范围：
‘all’, ‘all_strongest’, ‘negative’, ‘negative_strongest’, ‘positive’, ‘positive_stronge
st’，缺省值：‘all’。
参数6：选择边缘点。取值范围：‘all’（选择所有边缘对），‘first’（第一个边缘
对），‘last’（最后一个边缘对）。
参数7：边缘点对的第一个边缘的中心 行 坐标。
参数8：边缘点对的第一个边缘的中心 列 坐标。
参数9：边缘点对的第一个边缘的幅度（带符号）。
参数10：边缘点对的最后一个边缘的中心 行 坐标。
参数11：边缘点对的最后一个边缘的中心 列 坐标。
参数12：边缘点对的第二个边缘的幅度（带符号）
参数13：边缘对中两个边缘间的距离。
参数14：相邻边缘对之间的距离

measure_pos(Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdge, ColumnEdge, Amplitude, Distance)
参数1：图像
参数2：测量句柄
参数3：高斯平滑参数。值越大越平滑，缺省值：1。
参数4：最小边缘幅度（灰度值）。值越小，获取的边缘线越多。
参数5：极性（白到黑，或黑到白）。取值范围：‘all’(所有极性)， ‘positive’
（正极性，黑到白），‘negative’（负极性）。
参数6：选择边缘点。取值范围：‘all’（选择所有边缘对），‘first’（第一个边缘
对），‘last’（最后一个边缘对）。
参数7：边缘中心的 行 坐标。
参数8：边缘中心的 列 坐标。
参数9：边缘幅度（灰度值，边缘微分波形振幅，带符号）。
参数10：相邻边缘之间的距离。

二、二维测量和拟合
实现基本流程
1.采集图像
2.预处理（ROI、拉开对比度、去噪、仿射变换）
3.边缘提取（边缘幅度、一阶倒数）
4.边缘轮廓的筛选、分割、联合
5.拟合（最小二乘法）
6.标定计算
7.显示

2.1边缘提取的方式
方式1：edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )
提取图像精确边缘 (精确边缘就是亚像素边缘)
Image: 输入图像
Edges： 输出边缘轮廓
Filter： 边缘提取算法的名称 (canny，lanser1，'sobel_fast’等算法 )
Alpha： 平滑系数，越小越平滑（除canny外，其越大越平滑）
Low： 低阈值
High： 高阈值
注意canny算法求导方式：
1.高斯平滑滤波（加权均值滤波）在正态分布，离中心越近其权重越大
2.Sobel求梯度（向量，函数上升最快方向）
3.非极大值抑制（极大值为局部最大值，相当与导数处）
4.高低阈值，双阈值处理【20，60】，低于低阈值就去掉，高于高阈值就提取，中间阈值看领域，领域有提取点才接受。

方式2：shape_trans_xld(XLD : XLDTrans : Type : )

方式3：threshold_sub_pix(Image : Border : Threshold : )

2.2分割轮廓
segment_contours_xld(Contours : ContoursSplit : Mode, SmoothCont, MaxLineDist1, MaxLineDist2 : )
参数说明：
Contours 需要进行分割的轮廓。
ContoursSplit 分割后的轮廓tuple。
Mode 分割轮廓的方式，可以选择’lines’（使用直线段分割）, ‘lines_circles’（使用直线段和圆（弧）分割）, ‘lines_ellipses’（使用直线段和椭圆弧分割）。
SmoothCont 轮廓平滑的参数，可以抑制在折线逼近过程中过短的线段，能更加鲁棒的逼近圆和椭圆。
MaxLineDist1 第一次用Ramer算法（即用直线段递进逼近轮廓）时的MaxLineDist，在逼近完成之后，再用圆弧或椭圆弧对相邻分割线段进行拟合，如果拟合圆弧到轮廓的距离小于逼近线段到轮廓的距离，就用圆弧替代逼近线段，这个过程一致迭代直到所有的线段拟合完毕。
MaxLineDist2 第二次逼近轮廓时的MaxLineDist，只有当MaxLineDist2
这种两步逼近算法效率较高，因为在第一次逼近过程中，递进逼近的直线段较少，因此较大直径的圆弧能够被高效的分割出来。在第二次逼近过程中，能够被小直径圆弧逼近的轮廓被找到，同时大直径圆弧的末端被重新定义。

Remark：
分割得到的轮廓是直线段、圆（圆弧）或者椭圆弧可以通过分割后轮廓的全局属性’cont_approx’参数的值来确定（参考get_contour_global_attrib_xld)。
如果’cont_approx’=-1，这一部分轮廓最适合被拟合为直线段。
如果’cont_approx’=0，这一部分轮廓最适合被拟合为椭圆弧。
如果’cont_approx’=1，这一部分轮廓最适合被拟合为圆弧。

2.3筛选轮廓
方式1：select_shape_xld(XLD:SelectedXLD:Features,Operation,Min,Max:)
XLD：要提取的XLD
SelectedXLD：提取到的XLD
Features：提取XLD的特征依据
Operation：特征之间的逻辑关系（and or)
Min，Max：特征值的要求范围

方式2：select_Contours_xld(Contours:SelectedContours:Features,Min,Max,Min2,Max2:)
作用：选择多种特征要求的XLD轮廓 （如长度 开闭 方向 等特征，不支持多边形）
Contours：要提取的XLD轮廓
SelectedContours：提取到的XLD轮廓
Features：提取XLD轮廓的依据（筛选）
Min,Max,Min2,Max2：特征值的范围

2.4拟合
常用拟合算子：
fit_line_contour_xld：拟合直线
fit_circle_contour_xld:拟合圆
fit_ellipse_contour_xld：拟合椭圆
fit_retangle2_contour_xld：拟合矩形

算子详解：
1.fit_circle_contour_xld(Contours:: Algorithm, MaxNumPoints, MaxClosureDist,ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi,PointOrder)

参数：
Contours 【in】：输入 XLD 轮廓。
Algorithm 【 in 】 : 拟 合 圆 的 算 法 。 取 值 范 围 ：
‘ahuber’, ‘algebraic’, ‘atukey’, ‘geohuber’, ‘geometric’, ‘geotukey’ ，
‘algebraic’：这种方法使轮廓点和拟合得到的圆之间的代数距离最小。
‘geometric’：这种方法使轮廓点和拟合得到的圆之间的几何距离最
小，耗时多。
MaxNumPoints【in】：拟合圆计算的最大轮廓点数。缺省值：-1，表示使用所有点。
MaxClosureDist【in】：轮廓端点之间的最大距离。当轮廓点之间的距离小于该值时，认为
轮廓时闭合的。
ClippingEndPoints【in】：拟合时忽略的起始轮廓点和终止轮廓点的数量。
Iterations【in】：加权拟合的最大迭代次数。缺省值：3。
ClippingFactor 【in】：消除异常点的裁剪因子。控制抑制异常点的数量：值越小，检测
的异常点越多，（典型值：Huber 设置为 1.0，Tukey 设置为 2.0）。
Row【out】：圆心 Y 坐标。
Column【out】：圆心 X 坐标。
Radius【out】：圆的半径。
StartPhi【out】：起始角度。（单位：弧度）
EndPhi【out】：终止角度。（单位：弧度）
PointOrder【out】:边界点顺序。取值范围：‘positive’(顺时针)，‘negative’(逆
时针)。

.fit_line_contour_xld(Contours : : Algorithm, MaxNumPoints, Clippin
gEndPoints, Iterations,ClippingFactor : RowBeg
in, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)
功能：根据 XLD 拟合直线段。
参数：
Contours 【in】：输入轮廓。
Algorithm【in】:拟合直线算法选择。取值范围： ‘drop’, ‘gauss’, ‘huber’, ‘regression’, ‘tukey’，
缺省值：‘tukey’。
MaxNumPoints【in】:拟合直线计算的最大轮廓点数。缺省值：-1，表示使用所有点。
ClippingEndPoints【in】:拟合时忽略的起始点轮廓点和终止轮廓点的数量。
Iterations【in】：加权拟合的最大迭代次数。缺省值：5。
ClippingFactor 【in】：消除异常点的裁剪因子。控制抑制异常点的数量：值越小，检测
的异常点越多，（典型值：Huber 设置为 1.0，Tukey 设置为 2.0）。
RowBegin【out】:直线段起点 Y 坐标。
ColBegin【out】：直线段起点 X 坐标。
RowEnd【out】：直线段终点 Y 坐标。
ColEnd【out】：直线段终点 X 坐标。
Nr【out】:直线参数：法向量 Y 坐标。
Nc【out】：直线参数：法向量 X 坐标。
Dist【out】：直线参数：原点到直线的距离。

XLD的合并操作算子：
union_collinear_contours_xld：合并在同一直线的XLD
union_cocircular_contours_xld：合并在同圆的XLD
union_adjacent_contours_xld：合并邻近的XLD

轮廓特征计算：
(1).计算长度：length_xld(XLD : : : Length)
(2).计算xld的面积和中心位置：area_center_xld（XLD:::Area,Row,Column,PointOrder)
(3).计算xld的面积和重心位置area_center_points_xld(XLD : : : Area, Row, Column)

生成XLD算子：
(1).gen_contour_region_xld(Regions : Contours : Mode : )
功能:根据区域创建 XLD 轮廓。
(2).gen_contour_polygon_xld( : Contour : Row, Col : )
功能：生成一个多边形轮廓。
(3).gen_circle_contour_xld( : ContCircle : Row, Column, Radius, StartPhi, EndPhi, PointOrder,Resolution : )
功能：生成圆弧或圆 XLD 轮廓。
(4).gen_cross_contour_xld( : Cross : Row, Col, Size, Angle : )
功能：在指定点生成一个十字状轮廓。
(5).union_adjacent_contours_xld(Contours : UnionContours : MaxDistAbs,
MaxDistRel, Mode : )
功能：黏合最邻近的轮廓。
(6).union_cocircular_contours_xld(Contours : UnionContours : MaxArcAng
leDiff, MaxArcOverlap,MaxTangentAngle, MaxDist, MaxRadiusDiff
, MaxCenterDist, MergeSmallContours, Iterations : )
功能：黏合圆。
(7).union_collinear_contours_xld(Contours : UnionContours : MaxDistAbs, MaxDistRel, MaxShift,MaxAngle, Mode : )
功能：黏合直线。
(8).sort_contours_xld(Contours : SortedContours : SortMode, Order, RowOrCol : )
功能：根据轮廓的相对位置，对轮廓进行排序。

三、卡尺
实现基本流程：

*1.创建卡尺模型
create_metrology_model (MetrologyHandle)
*2.设置图像宽高
set_metrology_model_image_size (MetrologyHandle, Width, Height)
*3.添加卡尺（类型：直线、矩形，圆形、椭圆）
add_metrology_object_line_measure (MetrologyHandle, RowBegins, ColumsBegins, RowEnds, ColumsEnds, 20, 10, 1, 40, [], [], Index1)
*4设置参考位置
set_metrology_model_param(MetrologyHandle, ‘reference_system’, [Rows[0],Columns[0],0])
*5.定位（算子内做仿射变换）
align_metrology_model (MetrologyHandle, Rows1[0], Columns1[0], 0)
*6.测量
apply_metrology_model (Image, MetrologyHandle)
*7.获取中间结果
get_metrology_object_result (MetrologyHandle, ‘all’, ‘all’, ‘result_type’, ‘all_param’, Parameter)
*获取结果轮廓
get_metrology_object_result_contour (Contour, MetrologyHandle, ‘all’, ‘all’, 1.5) //1.5为相邻两点的距离
*获得测量矩形和点
get_metrology_object_measures (Contours, MetrologyHandle, ‘all’, ‘all’, Row, Column)
*清除卡尺模型句柄
clear_metrology_model (MetrologyHandle)