Halcon学习之边缘提取

转自:http://qing.blog.sina.com.cn/2316220871/8a0eb9c733002oyv.html


从今天起不是所有新遇到的函数都加黑体,重要的我会写出参数对象并加粗,不重要的只是文字解释即可

1, autobahn.hdev: Fast detection of lane markers
控制语句
MinSize:=30
get_system('init_new_image', Information)
得到当前halcon系统的参数值(这里执行后得到information的值为' true')
set_system('init_new_image', 'false')
gen_grid_region(Grid, MinSize,MinSize,'lines',512,512)
gen_grid_region( : RegionGrid : RowSteps, ColumnSteps, Type, Width,Height : )
创建一个网格区域
注意,这里用网格是为了减少处理的内容从而提高速度,如图是后面计算出来的边缘幅值
Halcon学习之边缘提取1-4


clip_region(Grid, StreetGrid, 130,10,450,502)
把一个region剪切成一个矩形
。。。
读图并显示剪切后的网格
。。。
for i:=0 to 28 by 1
      read_image( ActualImage, 'autobahn/scene_'+(i$'02'))
注意:这里的i$  意义是i的值去两位,即01,  02等等
      reduce_domain( ActualImage, StreetGrid, Mask)
      sobel_amp( Mask, Gradient,'sum_abs', 3)
      sobel_amp(Image : EdgeAmplitude : FilterType, Size : )计算边缘的幅值
      threshold( Gradient, Points, 20, 255)
      dilation_rectangle1(Points, RegionDilation, MinSize, MinSize)
       使用矩形模板进行膨胀运算得到如图大致区域
Halcon学习之边缘提取1-4

        reduce_domain(ActualImage, RegionDilation, StripGray)
       threshold(StripGray,Strip, 190,255)
       把白色的线从候选区域中提取出来
      fill_up(Strip,RegionFillUp)
      填充内容
      显示
endfor
set_system('init_new_image', ' true' )

2,  background_seg.hdev 从给定区域中找到背景的连通的区域
read_image
sobel_amp
threshold
得到提取出来的边缘Edges
background_seg(Edges,BackgroundRegions)
background_seg(Foreground : BackgroundRegions : : )
注意,这里Edges是前景区域,background_seg是为了根据给定的前景,找出连通的背景。这个操作通常在边缘检测之后(边缘作为前景),利用是否接近来判断连通性(使用4-neighborhood来判断连通与否)
fill_up_shape

3,  bandpass_image.hdev
read_image
bandpass_image(Bk45,Lines, 'lines')
bandpass_image(Image : ImageBandpass : FilterType : )
带通滤波器找出所有的线条(滤波器利用了sobel_amp 来检测线条)
threshold(Lines,Region,128,255)
skeleton(Region,Skeleton)
skeleton(Region : Skeleton : : )
检测区域的骨架
dev_set_colored(12)
gen_contours_skeleton_xld(Skelton,Contours, 5, 'filter')
gen_contours_skeleton_xld(Skeleton : Contours : Length, Mode : )
生成骨架边界线段,这里Length指的是线段最少应该包含的点数,Mode:
如果Mode是filter, 直接取边界线存为contours,因为边界线在‘连接会和的点’处被分开,很长的边缘可能被分成几个短的线段。 
用‘generalize1’,如果线段长度不够Length,会自动生成满足条件的线段
用‘generalize2’,如果一个线段的两端都是‘连接点’,这个线段会保留并且认为是之前的线段的一部分。
dev_display显示结果

4,  close_edges.hdev
sobel_amp
threshold
close_ed ges(EdgesGradient : ClosedEdges : MinAmplitude : ) 
使用边界的幅值图像来完整边界之间的间隙
例子中先把得到的幅值图进行筛选分离,得到可能不完整的contours,这时候需要用完整的幅值图像EdgeImage信息来完善滤波后的边界Edges,从而得到完整的边界信息ClosedEdges
close_edges_length(Edges, Gradient : ClosedEdges : MinAmplitude,MaxGapLength : )除了完成上面CloseEdge功能之外, 在MaxGapLength之内(限制作用),有意义的边缘点都会被加入到边界信息中



5, derivate_gauss.hdev  

a)高斯导数滤波用作  平滑滤波器(使用分水岭watershed得到contours)(用于很多小块的图像)
read_image...
derivate_gauss(Meningg5,Smoothed, 2, 'none')
derivate_gauss(Image : DerivGauss(这里指输出图像) : Sigma,Component : )
用一个图片Image和一个高斯函数的导数求卷积,从而计算出不同的特征值。sigma控制高斯函数,当sigma为一个值时候,行和列的方向上sigma相同,当sigma为两个值时候,第一个控制列的程度,第二个控制行的程度。‘none’这里指Smoothing only,其余参数请自行查看帮助文档。

convert_image_type(Smoothed, SmoothedByte,'byte')
convert_image_type(Image : ImageConverted : NewType : )转换图像类型

watersheds(SmoothedByte, Basins, Watersheds)
watersheds(Image : BasinsWatersheds : : )
找出图片的分水岭和凹陷块区域,用于图片分割

b) 高斯导数滤波用作 边缘检测
read_image....
derivate_gauss(Image, GradientAmp1, 1.5,'gradient')
threshold....

c) 高斯导数滤波用作 角检测​
derivate(Image, Det, 1.5, 'det')
threshold(Det, Corners, 20, 1000000)

d ) 高斯导数滤波用作 边缘检测( 二阶导数)
derivate_gauss(Image, EdgesAreZero, 3, '2nd_ddg')
zero_crossing(EdgesAreZero, Edges)
zero_crossing returns the zero crossings of the input image as a region. A pixel is accepted as a zero crossing if its gray value (in  Image) is zero, or if at least one of its neighbors of the 4-neighborhood has a different sign.

This operator is intended to be used after edge operators returning the second derivative of the image (e.g., laplace_of_gauss), which were possibly followed by a smoothing operator. In this case, the zero crossings are (candidates for) edges.)


6, 各种滤波

diff_of_gauss        +              zero_crossing

laplace_of_gauss   +             zero_crossing

derivate_gauss      +             zero_crossing   

7,显示一个保存边界的XLD对象

read_image
edges_sub_pix(Image,Edges, 'mderiche2', 0.7, 10,20)
edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )
使用Deriche, Lanser, Shen, or Canny滤波器来精确检测边缘

edges_image(Image, ImaAmp, ImaDir,'mderiche2', 0.7,'nms',10, 20)
使用Deriche, Lanser, Shen, or Canny滤波器来检测边缘,并得到边缘的幅值和方向

count_seconds(a1)  记录当前时间
disp_xld(Edges, WindowID)
count_seconds(a2)
Time:=a2-a1
记录执行下面一步所用的时间

8, edge_segments.hdev 边缘分割
read_image...
get_image_size(Image, Width, Height)
dev_open_window_fit_image
显示
edges_image(Image, ImaAmp, ImaDir,'lanser2', 0.5,'nms',20, 40)  
lanser精度很高, 用来计算边界

threshold
connection
用来提取出边界

边界的显示:
count_obj(ConnectedRegions, Number)
gen_empty_obj(XLDContours)   用来存储边界
for i:=1 to Number by 1
          select_obj(ConnectedRegions, SingleEdgeObject, i)
                      select_obj(Objects : ObjectSelected : Index : )

          split_skeleton_lines(SingleEdgeObject, 2, BeginRow, BeginCol, EndRow, EndCol)

split_skeleton_lines(SkeletonRegion : : MaxDistance : BeginRow, BeginCol, EndRow, EndCol)

  寻找骨骼线,删除小分支,得到骨骼线的头和尾节点,主意这里可能产生的头和尾是一个数组,其中可能有多个头节点和尾节点

         for k:= 0 to |BeginRow|-1 by 1
          gen_contour_polygon_xld( Contour,[BeginRow[k], endRow[k]], [BeginCol[k], EndCol[k]])
          concat_obj(XLDContours, Contour, XLDContours)
         concat_obj( Objects1Objects2 :  ObjectsConcat : : )
          把两个对象连起来
         endfor
endfor


已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页