在日常工程应用中，我们通常通过halcon的形状匹配（shape-based matching）进行各种定位，正如上篇例程，当待匹配物体有轻微变形时，并不影响得到的匹配结果，然后当待匹配物体有较大变形时，如塑料产品在成形时变形、纺织产品的花纹因为褶皱变形等，要想得到精确的定位结果就显得捉襟见肘，如下图所示，工件如果有较大变形，在用形状匹配时，定位结果就不尽如人意，因为形状匹配本身得到的匹配结果只是一个点（row,col）。
因此本篇例程使用了局部变形匹配（local deformable matching），匹配结果可以根据待匹配物体自动进行变形。而且在这个案例中，create_variation_model (Width, Height, ‘byte’, ‘direct’, VariationModelID) 使用的方法是’direct’，因此是不需要训练差异模型而可以直接使用的。
1️⃣读入标准图像，创建差异模型以及匹配模板
*1.读入图像
dev_update_off ()
dev_get_window (WindowHandle)
set_display_font (WindowHandle, 36, ‘mono’, ‘true’, ‘false’)
dev_set_draw (‘margin’)
read_image (ModelImage, ‘gasket/gasket_model’)
get_image_size (ModelImage, Width, Height)
read_image (Image, ‘gasket/gasket_01’)
*2.创建差异模型
create_variation_model (Width, Height, ‘byte’, ‘direct’, VariationModelID)
sobel_amp (ModelImage, EdgeAmplitude, ‘sum_abs’, 3)
*3.直接设参数+标准图像+边缘幅度图像
prepare_direct_variation_model (ModelImage, EdgeAmplitude, VariationModelID, 20, 2)
*4.创建局部变形匹配模板
create_local_deformable_model (ModelImage, ‘auto’, [], [], ‘auto’, 0.9, [], ‘auto’, 0.9, [], ‘auto’, ‘none’, ‘use_polarity’, ‘auto’, ‘auto’, [], [], ModelID)
get_deformable_model_contours (ModelContours, ModelID, 1)
area_center (ModelImage, Area, Row, Column)
标准图像：
这里由于是用单幅图像创建的差异模型，因此参数Mode设置的’direct’，故不需要再去训练，而是直接使用prepare_direct_variation_model (ModelImage, EdgeAmplitude, VariationModelID, 20, 2)得到差异模型。
2️⃣通过匹配模板将待检测工件定位矫正
for Index := 1 to 7 by 1
read_image (Image, ‘gasket/gasket_’ + Index$‘02’)
get_image_size (Image, Width1, Height1)
*5.查找
find_local_deformable_model (Image, ImageRectified, VectorField, DeformedContours, ModelID, rad(-10), rad(20), 1, 1, 1, 1, 0.93, 1, 0.7, 0, 0.4, [‘image_rectified’,‘vector_field’,‘deformed_contours’], [‘deformation_smoothness’,‘expand_border’,‘subpixel’], [25,0,1], Score, Row, Column)
if (|Score| > 0)
gen_warped_mesh_region (VectorField, MeshRegion, 25)
gen_region_contour_xld (DeformedContours, EdgeRegion, ‘margin’)
dilation_circle (EdgeRegion, RegionDilation, 2 * 25)
intersection (RegionDilation, MeshRegion, RegionIntersection)
dev_set_line_width (1)
dev_set_color (‘yellow’)
dev_display (Image)
dev_display (RegionIntersection)
Found[Index] := |Score|
dev_set_line_width (2)
dev_set_color (‘green’)
dev_display (DeformedContours)
* 7.注意：这里显示的是修正过的图像
dev_display (ImageRectified)
endif
待检测图像：
局部变形匹配定位：
矫正：
由于局部变形模板匹配在寻找到图像（find_local_deformable_model）后是自动矫正的，因此我们可以省掉仿射变换的步骤了。
3️⃣通过差异模型差分得到缺陷工件
*6.差分
compare_variation_model (ImageRectified, Region, VariationModelID)
connection (Region, ConnectedRegions)
*缺陷提取（特征选择，即面积大于60的定义为缺陷）
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 60, 99999)
count_obj (SelectedRegions, Number)
*显示
if(Number>0)
disp_message (WindowHandle, 'NG', 'image', 12, 12, 'red', 'false')
else
disp_message (WindowHandle, 'OK', 'window', 12, 12, 'magenta', 'false')
endif
dev_set_color ('red')
dev_display (SelectedRegions)
stop()
endfor
dev_update_on ()
相关算子分析:
create_local_deformable_model（创建局部变形匹配模板）
create_local_deformable_model(Template , NumLevels, AngleStart, AngleExtent, AngleStep, ScaleRMin, ScaleRMax, ScaleRStep, ScaleCMin,ScaleCMax, ScaleCStep, Optimization, Metric, Contrast, MinContrast, ParamName, ParamValue ,ModelID)
参数列表:
Template //输入多通道图像，用来创建model
NumLevels //金字塔层数：‘auto’， 0,1,2,3，。。。
AngleStart //输入起始角度（默认-0.39）
AngleExtent//角度旋转的范围（默认0.79）
AngleStep //旋转的步长，即分辨率，默认’auto’
ScaleRMin//行方向的最小缩放比例，默认1.0，通常大于0小于1
ScaleRMax//行方向的最大缩放比例，默认1.0，通常大于1小于1.5
ScaleRStep//行方向的缩放步长，可影响行方向的分辨率，默认’auto’, 0.01,0.02,0.05,。。
ScaleCMin//
ScaleCMax// 列方向，同上
ScaleCStep//
Optimization//生成模型时的优化方式，默认’none’可选，‘auto’,‘point_reduction_XXX’
Metric//比较时候的标准,默认’use_polarity’使用极坐标系进行比较
Contrast//在模板图片的滤波或者磁滞滤波中，控制结果的对比度，默认’auto’, 10, 20…
MinContrast//在搜寻对象过程中的最小对比度，默认’auto’, 1, 2, 3, 5…
ParamName// 普通参数名字（不太清楚用途，后续研究）默认[], ‘min_size’,‘part_size’
ParamValue//参数值， 默认[], 可选’small’, ‘medium’, big’
ModelID// 输出的模型handle
变形检测用来检测一个对象是否局部变形，这个检测模型在保持严格的基础上允许一些细小的变形，和find_shape_model(在图中找到相应图形的最佳匹配)不同，create_local_deformable_model更加智能化，它可以预估变形程度并且修正图像中物体的位置（物体相对于图像的相对位置），它可以处理更大的变形。
get_deformable_model_contours(得到局部变形模板的轮廓)
get_deformable_model_contours( ModelContours , ModelID, Level )
//Level决定了返回第几层金字塔图像的边缘
find_local_deformable_model (在待匹配图像中寻找变形模板）
find_local_deformable_model(Image ,ImageRectified, VectorField, DeformedContours : ModelID, AngleStart, AngleExtent, ScaleRMin, ScaleRMax, ScaleCMin, ScaleCMax, MinScore, NumMatches, MaxOverlap, NumLevels, Greediness, ResultType, ParamName, ParamValue : Score, Row, Column)
参数列表：
Image //输入待匹配图像
ImageRectified //输出匹配到的变形矫正后模板图像
VectorField//变形矢量区
DeformedContours //匹配到的轮廓，不是矫正后的轮廓
ModelID//模型句柄
AngleStart//起始角度
AngleExtent//角度范围
ScaleRMin//行缩放最小比例
ScaleRMax//行缩放最大比例
ScaleCMin//
ScaleCMax//列同上
MinScore//最小相似度
NumMatches//需要几个最佳匹配结果
MaxOverlap//最大重叠数
NumLevels//金字塔层数
Greediness//贪婪度（范围0-1，0表示精确缓慢，1表示迅速精度不高）
ResultType//输出的结果类型（[], ‘deformed_contours’, ‘image_rectified’, ‘vector_field’）
ParamName//参数名称
Score//输出匹配度
Row, Column//输出行列坐标
这个函数的功能是在一张图片中找到变形模型中的最佳匹配结果（可以是多个，由NumMatches输入），模型必须在之前的步骤中使用（create_local_deformable_model或者read_deformable_model)生成。这个函数会返回找到的结果的行，列坐标（Row, Column）作为输出。
另外函数在找到匹配的模型后，输出矫正后的图像（ImageRectified），向量区域（VectorField）和匹配到的轮廓（DeformedContours） 通过参数ResultType去选择需要返回哪个（默认[]，都不返回）。
ParamName可以调整参数的设置：（比如）
deformation_smoothness：平滑的度，对于变形越大参数越大
expand_border：扩大ImageRecfified VectorField 区域
gen_warped_mesh（生成变形网格，封装函数）
gen_warped_mesh (VectorField, WarpedMesh, 10)
VectorField// 输入向量区域
WarpedMesh//输出变形网格
10 //代表此函数隔10个像素取值
512
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
