目录
1、图像边缘提取原理
网上搜索图像边缘提取，有很多详细的讲解，就是讲的都太深奥，很难看明白。图像边缘提取原理并不复杂，至于一些大牛提供的复杂变换公式，也没必要深入的去研究，halcon都已经在算子中将其封装好了，我们会用就行。
边缘的定义：边缘是图像中灰度发生明显变化的地方，是不同灰度区域之间的界限。
图像的每个像素点的灰度值用矩阵来表示，那么画竖线的位置就是边缘界限。
那么如何进行图像边缘的提取呢？采用掩模的方式，在图像矩阵上进行移动，然后利用掩模内的掩模值进行计算，进而实现边缘的求取。
举例：假如使用3*3的掩模来求取：
-1 0 1
-1 0 1
-1 0 1
掩模矩阵和红色圈出来的Value1计算：{(-1)*1+0*1+1*1}+{(-1)*1+0*1+1*1}+{(-1)*1+0*1+1*1}=0
掩模矩阵和蓝色圈出来的Value2计算：{(-1)*1+0*1+1*10}+{(-1)*1+0*1+1*10}+{(-1)*1+0*1+1*10}=27
我们可以设置一个边界值Value，则程序中可设置判断，当|Value2-Value1|>Value时就认为当前是图像边缘。
halcon常用的掩模：
Robert边缘
算子：roberts。边缘定位准，但是对噪声敏感；适用于边缘明显且噪声低的图像分割。边缘定位精确度低。
模板1：
1 0
0 -1
模板2：
0 1
-1 0
Prewitte边缘
算子：prewitt_amp。对噪声可以适当抑制，但是会起到边缘平滑，对边缘的平滑不如Robert算子。
x方向：
-1 0 1
-1 0 1
-1 0 1
y方向：
1 1 1
0 0 0
-1 -1 -1
Sobel边缘
算子：sobel_amp。Sobel算子对于像素的位置的影响做了加权，可以降低边缘模糊程度。
x方向：
-1 0 1
-2 0 2
-1 0 1
y方向：
1 2 1
0 0 0
-1 -2 -1
Canny边缘：非极大值抑制与阈值的思想，边缘的提取效果在目前边缘提取中是相对效果最好的。（原理复杂，会用就行）
其它边缘：拉普拉斯边缘等（用的少）。
Canny没有对应的算子，如edges_image (EdgeAmplitude, ImaAmp, ImaDir, 'canny', 1, 'nms', 20, 40)，在参数中设置为canny。
2、边缘提取算子使用介绍
弄清了边缘提取原理后，本节讲解边缘提取算子具体使用。
首先，读取图片，并灰度化转换
-
read_image (
Image1, '
1.bmp')
-
rgb1_to_gray (
Image1, GrayImage)
roberts边缘算子：
-
*
roberts边缘,边缘定位精准
-
roberts (GrayImage, ImageRoberts,
'gradient_sum')
prewitt_amp边缘算子，求出来的边缘要清晰很多了：
-
*prewitt_amp边缘，对噪声可以适当抑制。变换后图像有偏移
-
prewitt_amp
(GrayImage, ImageEdgeAmp)
sobel_amp边缘算子：
-
*
sobel_amp边缘，可以降低边缘模糊程度
-
sobel_amp (GrayImage, EdgeAmplitude,
'sum_abs',
3)
Canny求边缘（求图像边缘最好的方法）：
-
*图像的边缘，参数
7：低阈值，参数
8：高阈值。一般高阈值是低阈值的
1
.5倍
-2倍
-
edges_image (EdgeAmplitude, ImaAmp, ImaDir,
'canny',
1,
'nms',
20,
40)
3、图像的亚像素边缘提取
什么叫图像的亚像素？顾名思义，亚像素就是比普通像素精度更高。由原先的像素单位为1，变为比1小的精度。
亚像素原理：采用插值的方式，精确定位边缘的位置。
比如： （最邻近插值）
1、5 插值后 1 3 5
1、6 插值后 1 3.5 6
插值方法有：双线性插值、三次样条插值。
亚像素边缘，常用的方法是canny边缘方法，算子是edges_sub_pix()，可以直接得到亚像素边缘。
常用英文单词：
区域：region 轮廓：XLD
感兴趣区域：RIO
程序讲解：
读取图片，求取第三个区域的边缘。
-
read_image (
Image1, '
1.bmp')
-
rgb1_to_gray (
Image1, GrayImage)
通过阈值分割、形状筛选，将7个矩形区域从图像中分割出来
-
*缩小
ROI，阈值分割
-
fast_threshold (GrayImage, Region,
150,
255,
20)
-
*连通域
-
connection (Region, ConnectedRegions)
-
*区域排序
-
sort_region (ConnectedRegions, SortedRegions,
'first_point',
'true',
'row')
-
*选择矩形区域
-外接矩形
-
select_shape (SortedRegions, SelectedRegions, [
'rect2_len1',
'rect2_len2'],
'and', [
110,
50], [
160,
70])
对筛选出来的7个矩形区域排序，然后选择第三个区域。
-
*再排一次序:按列排序
-
sort_region (SelectedRegions, SortedRegions1,
'first_point',
'true',
'column')
-
*始终选择第三个区域:参数
3为要选择的哪一个区域
-
select_obj (SortedRegions1, ObjectSelected,
3)
区域筛选下来后要求矩形图像边缘，一定要先包含其边缘，只有将整个区域包含了，才能保证求的区域边缘在里面。可以先用膨胀。再将此区域从原图中裁剪下来。
-
*正常的膨胀需求用dilation_circle，如果想对一个区域进行平滑操作的时候用闭操作closing_circle
-
dilation_circle
(ObjectSelected, RegionDilation, 5)
-
*将选出来处理好的区域从原灰度图片上裁剪出来
-
reduce_domain
(GrayImage, RegionDilation, ImageReduced)
最后，对其进行求边缘
-
*边缘检测-canny
-
edges_sub_pix
(ImageReduced,
Edges,
'canny'
,
1
,
10
,
20
)
4、亚像素轮廓的特征分析
为什么要进行特征分析？如下图所示，是求取出来的边缘，周围的线条是真实需要的，而中间的的线条则是引入的干扰线条。需要根据特征来进行筛选，而这个特征就是亚像素的特征。
亚像素轮廓特征：和前面的区域特征一样，亚像素轮廓特征同样具有自己的特征，在亚像素轮廓中使用较多的特征包括：长度、角度、外接矩形的长宽等。还有一些其它使用很少的特征。
亚像素轮廓的长度：轮廓所占的像素数。
亚像素轮廓的角度：轮廓最小外接矩形中，长边所对应的方向。
亚像素轮廓的外接矩形：能包括整个轮廓的最小矩形就是最小外接矩形。
备注：在求取亚像素外接矩形时，算子要加上_xld
求取xld的最小外接矩形1：smallest_rectangle1_xld
求取xld的最小外接矩形2：smallest_rectangle2_xld
筛选xld：select_shape_xld
程序讲解：
接着前面一节的程序进行。
前面一节一节将边缘求取出来了，但是中间有干扰线条。需要将中间的干扰线条去掉，只保留边上需要的线条。可以通过线条周长的长度来进行筛选
-
*
XLD筛选，参数
3，周长
-
select_shape_xld (Edges, SelectedXLD,
'contlength',
'and',
80,
99999)
补充：通过软件工具，获取XLD线条周长
5、xld的分割及直线拟合
为什么要XLD分割和直线拟合，看前面的提取出来的轮廓线，线条有凸起、或者歪歪扭扭的，不是很规整。因此需要将其拟合，拟合前需要将相交的线分割出来，每条线单独拟合。
XLD的分割：根据XLD之间各个节点的连接情况以及设置条件，将一条或多条分割线分割成更多条线的情况，称为xld的分割。一般先的折点的地方称为分割点。
算子：segment_contours_xld
XLD的拟合：根据线条的预先模型，对线条进行重新成成。包括直线的拟合、圆的拟合、以及椭圆拟合等。
算子：
fit_line_contour_xld：直线的拟合
fit_circle_contour_xld：圆的拟合
fit_ellipse_contour_xld：椭圆的拟合
XLD的拟合原理：基于最小二乘法拟合、考虑权重的拟合方法。如下图所示意。
程序讲解：
接着上节程序，进行讲解，上一节存在的问题。
进行XLD轮廓线分割
-
*轮廓XLD的分割,参数3：分割方式，参数4：圆滑程度，参数5和参数6：最小和最大线的距离
-
segment_contours_xld
(UnionContours,
ContoursSplit,
'lines_circles'
,
5
,
4
,
2
)
然后再选择矩形下方的横线。
-
*选择矩形下部没连接到一起的水平线,根据线的角度来选择
-
select_shape_xld (SelectedXLD, SelectedXLD1,
'phi',
'and', -
0.1,
0.1)
对直线进行拟合
-
*对选出来的直线拟合,参数2,'tukey'是最小2乘拟合、'huber'是考虑权重拟合
-
fit_line_contour_xld
(SelectedXLD1,
'huber'
,
-1
,
0
,
5
,
2
,
RowBegin,
ColBegin,
RowEnd,
ColEnd,
Nr,
Nc,
Dist)
再对线左边延长
-
*拟合后的线不够长，将起始的列往左移动（减去5个像素点）
-
gen_contour_polygon_xld (
Contour,
[RowBegin,RowEnd],
[ColBegin-5,ColEnd])
拟合、延长后的
将新生成的线和别的线放到一起
-
*将其他的线也选择出来
-
select_shape_xld (SelectedXLD, SelectedXLD2,
'phi',
'and',
0.2,
3.14)
-
-
*将两次选出来的线放到一个集合中
-
concat_obj (SelectedXLD2, Contour, ObjectsConcat)
-
-
*将集合中的两个线，合并连接到一起
-
union_adjacent_contours_xld (ObjectsConcat, UnionContours1,
10,
1,
'attr_keep')
生成新的区域
-
*将线围起来的区域转换成轮廓
-
gen_region_contour_xld (UnionContours1, Region1,
'filled')
新生成的区域，边缘很圆滑。先腐蚀，再求边缘。
-
*使用腐蚀，将多出来的去掉
-
opening_circle (Region1, RegionOpening,
3.5)
-
*再求边缘
-
boundary (RegionOpening, RegionBorder,
'inner')
也不圆滑，再进行膨胀，膨胀后再从前面的区域中中裁剪
-
*求出来的边缘并不是太好，使用膨胀操作
-
dilation_circle
(RegionBorder, RegionDilation1, 3.5)
-
*膨胀后再从原图中进行裁剪
-
reduce_domain
(GrayImage, RegionDilation1, ImageReduced1)
然后再使用canny求边缘
-
*再用刚才的边缘,所求得的边缘就要好多了
-
edges_sub_pix
(ImageReduced1,
Edges1,
'canny'
,
1
,
20
,
40
)
最后再进行连接
-
*再进行连接
-
union_adjacent_contours_xld (Edges1, UnionContours2,
10,
1,
'attr_keep')
6、圆及椭圆的拟合
圆的拟合与直线的拟合，也包括线条的分割、筛选以及拟合。
直接以程序来讲解。
程序讲解：
打开图片
-
dev_close_window ()
-
dev_open_window (
0,
0,
512,
512, 'black', WindowHandle)
-
-
read_image (Image
1, '
1.bmp')
然后取图像中一个不规则的圆区域，将其裁剪下来
-
*画圆
-
draw_circle
(WindowHandle, Row, Column, Radius)
-
*生成圆
-
gen_circle
(Circle, Row, Column, Radius)
-
*裁剪
-
reduce_domain
(Image1, Circle, ImageReduced)
进行边缘提取，并选择外部的边缘轮廓
-
*提取边缘
-
edges_sub_pix (ImageReduced, Edges,
'canny',
1,
10,
20)
-
*选择轮廓形状
-
select_shape_xld (Edges, SelectedXLD,
'contlength',
'and',
80,
99999)
分割、筛选，因为轮廓线就一条，分割后还是一条
-
*对选出来的轮廓进行分割，然后求出分割最长的那条线
-
segment_contours_xld (SelectedXLD, ContoursSplit,
'lines_circles',
5,
4,
2)
-
*分割的
xld长度,长度值保存在
Length数组中
-
length_xld (ContoursSplit, Length)
-
*求数组最大值
-
tuple_max (Length, Max)
-
*选出分割最长的线
-
select_shape_xld (ContoursSplit, SelectedXLD1,
'contlength',
'and', Max-
1,
99999)
对分割、筛选后的线，用圆拟合
-
*对选出来的线，用圆的拟合。参数2：选择拟合方法，回归的形式
-
fit_circle_contour_xld
(SelectedXLD1,
'algebraic'
,
-1
,
0
,
0
,
3
,
2
,
Row1,
Column1,
Radius1,
StartPhi,
EndPhi,
PointOrder)
-
*生成圆轮廓-拟合好的分割线
-
gen_circle_contour_xld
(ContCircle,
Row1,
Column1,
Radius1,
0
,
6.28
,
'positive'
,
1
)
其它的，如椭圆拟合，分割、筛选方法跟圆一样，直接写出算子使用方法了
-
*椭圆拟合
-
*fit_ellipse_contour_xld
(SelectedXLD1,
'fitzgibbon'
,
-1
,
0
,
0
,
200
,
3
,
2
,
Row2,
Column2,
Phi,
Radius11,
Radius2,
StartPhi1,
EndPhi1,
PointOrder1)
-
*生成椭圆轮廓-拟合好的分割线
-
*gen_ellipse_contour_xld
(ContEllipse,
Row2,
Column2,
Phi,
Radius11,
Radius2,
StartPhi1,
StartPhi1,
'positive'
,
1.5
)
7、中心线的提取
介绍：：中心线是出于某区域中心的线，比如图中的道路中心，很多情况下需要求解中心。
求解方法：
方法1：求解区域的边缘，然后进而计算中心。
方法2：先求解区域，然后利用区域骨架求解中心。
方法3：利用lines-gauss算子求解。
程序讲解：
先去读取图片，然后灰度转换
-
read_image (
Image1, '
1.bmp')
-
rgb1_to_gray (
Image1, GrayImage)
示例1：中心线提取-亮的区域。
-
*中心线提取,亮的区域。
-
*参数
3：提取的中心线光滑程度，通常取
1
.2-1
.5。参数
4参数
5：边缘高低阈值，类似于
canny。参数
6：中心线是
dark还是
light
-
lines_gauss (GrayImage, Lines,
1.5,
3,
8,
'light',
'true',
'bar-shaped',
'true')
示例2：中心线提取-暗的区域。
-
*提取黑色的中心线
-
lines_gauss (GrayImage, Lines1,
1.5,
3,
8,
'dark',
'true',
'bar-shaped',
'true')
区域边缘提取和轮廓识别，案例应用见下一节：7、Halcon图像中识别多个矩形区域并对平均宽度测量。
https://blog.csdn.net/panjinliang066333/article/details/104431979
2187
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
