图像处理应用程序的框架实现

已于 2024-08-22 09:12:54 修改
阅读量206 收藏
点赞数 2
文章标签： 图像处理
于 2024-08-21 19:10:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/trip_k/article/details/141401042
版权

 使用 Windows Forms 和 Halcon 库来处理图像，包含图像处理操作，读取图片、阈值分割等

在MainWindow里

using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading;
using System.Threading.Tasks;
using System.Windows.Forms;

namespace 第一个联合项目
{
//枚举 ImagePro
    public enum ImagePro
    { 
      读取图片=1,
      阈值分割=2,
      打散 =3,
      特征筛选=4,
      显示文本=5,
      计算数量=6,
      模板匹配=7,
      显示图片和对象=8,
      自己定义的=9,
    }
    public partial class MainWindow : Form
    {
        /// <summary>
        /// imagePro 数组：这个数组定义了处理流程的顺序。    
        /// </summary>
        public ImagePro[] imagePro;
        public MainWindow()
        {
            InitializeComponent();
            //imagePro=new ImagePro[6] { ImagePro.读取图片, ImagePro.阈值分割, ImagePro.打散, ImagePro.特征筛选, ImagePro.显示图片和对象, ImagePro.显示文本 };
            imagePro = new ImagePro[1] { ImagePro.读取图片 };
        }
// RunPro 方法：根据 imagePro 数组中的操作执行不同的图像处理步骤。
        public void RunPro(ImagePro[]pro,string file,HWindow hWindow)
        {
            for (int i = 0; i < pro.Length; i++)
            {
                switch (pro[i])
                {
                    case ImagePro.读取图片:

                        Algorithm.ImageHelper.ReadImage(out Image, file, hWindow);
                        Console.WriteLine("我执行了读取图片");
                        break;
                    case ImagePro.阈值分割:
                        Console.WriteLine("我执行了阈值分割");
                        break;
                    case ImagePro.打散:
                        Console.WriteLine("我执行了打散");
                        break;
                    case ImagePro.特征筛选:
                        Console.WriteLine("我执行了特征筛选");
                        break;
                    case ImagePro.显示文本:
                        Console.WriteLine("我执行了显示文本");
                        break;
                    case ImagePro.计算数量:
                        Console.WriteLine("我执行了计算数量");
                        break;
                    case ImagePro.模板匹配:
                        Console.WriteLine("我执行了模板匹配");
                        break;
                    case ImagePro.显示图片和对象:
                        Console.WriteLine("我执行了显示图片和对象");
                        break;
                    case ImagePro.自己定义的:
                        Console.WriteLine("我执行了自己定义的");
                        break;
                }
            }
        }

       // button_run_Click 方法：从指定目录读取文件，并按顺序执行图像处理操作。
        private void button_run_Click(object sender, EventArgs e)
        {

            FileInfo[] files = new DirectoryInfo(fileName).GetFiles();
            for (int i = 0; i < files.Length; i++)
            {
                RunPro(imagePro, files[i].FullName, hWindowControl_yuanshi.HalconWindow);
                System.Windows.Forms.Application.DoEvents();
                Thread.Sleep(1000);  
            }

         
        }

        public string fileName;
        public HObject Image;
 // button_setReadImage_Click 方法：显示一个对话框来选择图像文件路径。
        private void button_setReadImage_Click(object sender, EventArgs e)
        {
            读取图片设置 frm=new 读取图片设置();
            frm.ShowDialog();
            fileName= frm.GetFilePath();
            Console.WriteLine(fileName);
        }
    }
}

 在ImageHelper.cs里

using HalconDotNet;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;

namespace Algorithm
{

    /// <summary>
    /// 这个类就是我图像处理的算法类
    /// </summary>
    public class ImageHelper
    {
      //定义string数组用于打散颜色
        public static string[] Color=new string[12] {"red","green", "blue" , "cyan", "magenta" , "yellow", "coral", "spring green", "orange", "orange red", "pink", "navy" };
        /// <summary>
        /// 这是一个读取图片 并且在指定窗体上显示的方法
        /// </summary>
        /// <param name="hImage"></param>
        /// <param name="filename"></param>
        /// <returns></returns>
//用于直接从文件路径读取图像，并在指定的 HWindow 控件上显示它。适合于代码中已知文件路径的情况。
        public static bool ReadImage(out HObject hImage, string filename, HWindow window)
        {
            try
            {
                HOperatorSet.ReadImage(out hImage, filename);
                HTuple width, height;
                //获得图片的宽高
                HOperatorSet.GetImageSize(hImage, out width, out height);
                //设置显示范围
                //HWindowControl.HalconWindow -->控件的句柄  设置显示范围
                HOperatorSet.SetPart(window, 0, 0, (height - 1), (width - 1));
                //显示
                HOperatorSet.DispObj(hImage, window);
                return true;

            }
            catch
            {
                hImage = null;
                return false;
            }
        }
//用于通过用户选择文件的对话框来读取图像。适合于需要用户交互选择图像文件的场景。
        public static bool ReadImage(out HObject hImage, OpenFileDialog openFileDialog)
        {
            //给halcon变量置空
            hImage = null;
            //给halcon变量置空
            //HOperatorSet.GenEmptyObj(out hImage);

            // openFileDialog.ShowDialog()  -->返回值 OK 和Cancel
            //返回ok就应该能读取到指定文件的路径
            DialogResult result = openFileDialog.ShowDialog();
            if (result == DialogResult.OK)
            {
                HOperatorSet.ReadImage(out hImage, openFileDialog.FileName);
                return true;
            }
            else
            { 
                return false;
            }
        }

        /// <summary>
        /// 只单单显示图片
        /// </summary>
        /// <param name="hImage"></param>
        /// <param name="window"></param>
        /// <returns></returns>
        public static bool HalconWindowShowImage(HObject hImage, HWindow window)
        {
            try
            {
                HTuple width;
                HTuple height;
                HOperatorSet.GetImageSize(hImage, out width, out height);

                //设置显示区域  将图片左上角 和右下角形成的正矩形区域 作为窗体的显示区域
                HTuple LeftTopRow = 0;
                HTuple LeftTopCol = 0;
                HTuple RightTopRow = height;
                HTuple RightTopCol = width;
                HOperatorSet.SetPart(window, LeftTopRow, LeftTopCol, RightTopRow - 1, RightTopCol - 1);

                //显示
                HOperatorSet.DispObj(hImage, window);
                return true;
            }
            catch (Exception)
            {
                return false;
            }  
        }
        /// <summary>
          /// 图片和对象一起显示
          /// </summary>
          /// <param name="hImage"></param>
          /// <param name="Region"></param>
          /// <param name="window"></param>
          /// <param name="color"></param>
          /// <returns></returns>
        public static bool HalconWindowShowImage(HObject hImage, HObject Region, HWindow window, string[] color)
        {
            try
            {
                HTuple width;
                HTuple height;
                HOperatorSet.GetImageSize(hImage, out width, out height);

                //设置显示区域  将图片左上角 和右下角形成的正矩形区域 作为窗体的显示区域
                HTuple LeftTopRow = 0;
                HTuple LeftTopCol = 0;
                HTuple RightTopRow = height;
                HTuple RightTopCol = width;
                HOperatorSet.SetPart(window, LeftTopRow, LeftTopCol, RightTopRow - 1, RightTopCol - 1);

                //显示
                HOperatorSet.DispObj(hImage, window);

                HTuple NUMS;
                HOperatorSet.CountObj(Region, out NUMS);//计算Region的个数
                int index = 0;
                for (int i = 0; i < NUMS; i++, index++)
                {
//使用 color[index] 来设置绘制区域的颜色。color 数组的长度决定了可以使用多少种颜色来区分不同的区域对象。
                    HObject selectRrgion;
                    HOperatorSet.SetColor(window, color[index]);
                    HOperatorSet.SelectObj(Region, out selectRrgion, i + 1);
                    HOperatorSet.DispObj(selectRrgion, window);
                    if (index >= color.Length - 1)
                    {
                        index = 0;
                    }
                }
                return true;
            }
            catch (Exception)
            { 
                return false;
            }
        }
        #region 【阈值分割】
        public static bool Threshold(HObject hImage, out HObject Region, int Min, int Max)
        {
            HOperatorSet.Threshold(hImage, out Region, Min, Max);
            return true;
        }
        public static bool BinaryThreshold(HObject hImage, out HObject Region, 自动阈值分割方法 method, 亮或暗 lightAndDark)
        {
            HTuple use;
            HOperatorSet.BinaryThreshold(hImage, out Region, method.ToString(), lightAndDark.ToString(), out use);
            return true;
        }

        public static bool ThresholdALL(HObject hImage, out HObject Region, ThreSholdDef threSholdDef)
        {
            Region = null;

            switch (threSholdDef._Segment)
            {
                case 阈值分割方式.Threshold:
                    Console.WriteLine("我调用了普通阈值分割  Threshold");
                    return Threshold(hImage, out Region, threSholdDef._MinGray, threSholdDef._MaxGray);

                case 阈值分割方式.BinaryThreshold:
                    Console.WriteLine("我调用了自动阈值分割  BinaryThreshold(");
                    return BinaryThreshold(hImage, out Region, threSholdDef._SegmentMothd, threSholdDef._LightOrDark);
                default:
                    return false;
            }
        }

        #endregion

        /// <summary>
        /// 根据输入区域 生成外接矩形 以及外接矩形的参数
        /// </summary>
        /// <param name="Region"></param>
        /// <param name="ExternalRegion"></param>
        /// <param name="rectangleDef"></param>
        /// <param name="isMargin"></param>
        /// <param name="hWindow"></param>
        public static void GenRectangle(HObject Region, out HObject ExternalRegion,out RectangleDef rectangleDef,bool isMargin,HWindow hWindow)
        {
            if (isMargin == true)
            {
                HOperatorSet.SetDraw(hWindow, "margin");
            }
            else 
            {
                HOperatorSet.SetDraw(hWindow, "fill");
            }
            rectangleDef=new RectangleDef();
            HOperatorSet.SmallestRectangle2(Region, out rectangleDef._CenterRow, out rectangleDef._CenterCol, out rectangleDef.Angle, out rectangleDef.len1, out rectangleDef.len2);
            HOperatorSet.GenRectangle2(out ExternalRegion, rectangleDef._CenterRow, rectangleDef._CenterCol, rectangleDef.Angle, rectangleDef.len1, rectangleDef.len2);
        }
        public static void ShowText(string Content, HWindow hWindow,HTuple ROW, HTuple COL)
        {
            HOperatorSet.DispText(hWindow, Content, "window", ROW, COL, "red", new HTuple(), new HTuple());
        }
    }
}

trip_k
关注
GPU编程基础-CUDA实现图像处理
cnjs1994的博客
08-16 2239
随着GPU芯片的不断更新换代，大规模并行计算正在信息时代逐渐普及，相比于CPU计算，GPU的并行计算到底有哪些特点和优势呢？本博客以图像处理为例子，深入浅出的说明了GPU并行计算在图像预处理等任务上的应用优势。
OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
HALCON学习之图像处理基本流程框架
huhuhuhl的博客
09-10 1582
图像处理的基本思路如下： 采集 预处理 滤波 形态学分析 特征提取 形状 颜色 纹理 概率 算子 识别 显示 VS（C#、QT）
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
热门推荐
盼小辉丶的博客
08-10 22万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
基于人工智能的图像处理技术：利用Opencv实现
jjq15008419406的博客
05-03 8584
基于人工智能的图像处理技术 本文档基于电子科技大学软件工程学院的的一门图像处理技术课程要求所撰写，希望后来的学习学妹！！！！不要照抄！！！！！ 人工智能概述 人工智能，作为计算机科学的一个重要分支，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。作为一个面向未来的新技术，值得我们好好探索。 1.1人工智能的发展与现状 人工智能的发展历经了三起三落，才走向今天勃勃生气的繁盛景致。 “人工智能”（ARTIFICIAL INTELLIGENCE）一词最初
在嵌入式系统中搭建图像识别处理程序框架的步骤
changjuanfang的专栏
04-25 950
由于嵌入式系统的资源限制，需要选择高效的图像处理流程实现。在代码实现完成后，需要进行调试和优化。由于嵌入式系统的资源限制，需要选择高效的调试工具和优化技术。在设计系统架构时，需要考虑图像处理流程、算法模块、数据结构和模块之间的交互等。在系统架构设计、算法模块实现、数据结构实现、图像处理流程实现、调试和优化、测试和部署等方面需要采用高效的方式实现。这包括要检测哪些类型的缺陷，需要实现什么样的图像处理算法，以及需要满足哪些性能要求，精度要求等。在嵌入式系统中，硬件平台的选择对系统的性能和资源限制有很大的影响。
Java/JavaScript有哪些图形图像处理的框架？
曲折旅程，艰难人生
01-23 2225
常用的图像库收集整理
FPGA设计经验之图像处理
ONEFPGA的博客
06-02 7471
使用FPGA做图像处理优势最关键的就是：FPGA能进行实时流水线运算，能达到最高的实时性。因此在一些对实时性要求非常高的应用领域，做图像处理基本就只能用FPGA。例如在一些分选设备中图像处理基本上用的都是FPGA，因为在其中相机从看到物料图像到给出执行指令之间的延时大概只有几毫秒，这就要求图像处理必须很快且延时固定，只有FPGA进行的实时流水线运算才能满足这一要求。
图像处理知识框架
zyk3510的博客
08-05 4405
转自https://blog.csdn.net/hitwengqi/article/details/8292675 花了点时间整理了一下数字图像处理知识体系，从宏观上把握图像处理，使自己的学习思路就更加清晰。 1.本文大部分内容来自：http://blog.csdn.net/byxdaz/article/details/4375228 2.有些内容待添加，特别是opencv相关的算法实现。 ...
数字图像处理大作业（海底图像处理）
m0_63126056的博客
01-11 5374
海底图像处理
myDib_MFC框架实现的数字图像处理算法_
09-29
在本文中，我们将深入探讨...通过深入理解和熟练运用MFC的图像处理功能，开发者能够创建出高效且直观的图像处理应用程序。在实际项目中，不断优化算法和性能，以及适应不同的图像处理需求，将是提升软件质量的关键。
使用opencv与pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测
05-29
在本项目中，开发者利用了OpenCV库和PyQt5框架构建了一个强大的图像处理应用程序。OpenCV（开源计算机视觉库）是计算机视觉领域的基石，它提供了丰富的图像处理和计算机视觉功能，而PyQt5则是一个用于创建图形用户...
使用MFC完成基本的图像处理桌面应用程序的编写
11-02
在描述中提到的“C++开发的不基于MFC的基本图像处理软件开发，有io界面”，意味着虽然MFC是首选框架，但也可以选择其他方法，如Qt或wxWidgets，来构建具有相同功能的图像处理应用。然而，由于本主题专注于MFC，我们...
C#实现的图像处理工具包
03-26
在IT领域，图像处理是一项关键的技术，用于对数字图像进行分析、编辑和改善。本项目是基于C#语言实现的图像...通过深入理解并运用这些技术，开发者可以创建出功能强大的图像处理应用程序，满足不同领域的图像处理需求。
【GUI设计】基于Matlab的图像处理GUI系统（1），用matlab实现
Matlab_ImagePro的博客
09-22 1048
MATLAB GUI 为图形用户界面（Graphical User Interface，简称 GUI，又称图形用户接口）是指采用图形方式显示的计算机操作用户界面，是MATLAB用户可视化交互式的工具，运用GUI生成的操作界面用户可以不用浏览繁冗的代码而进行操作。本次内容主要分为两部分，第一部分是简单GUI界面设计的教程，第二部分是图像处理GUI系统的实例操作展示。
基于C语言的Dao编程语言设计源码
最新发布
09-28
该项目是一款名为Dao的编程语言设计源码，采用C语言为主要开发语言，并辅以C、C++、Shell和CSS等语言。项目文件共计225个，其中包含126个Dao源文件、39个C源文件、36个C头文件、9个C++源文件、3个文本文件、2个Vim配置文件、1个ChangeLog文件、1个daomake工具文件、1个README文件、1个配置文件。这个项目旨在构建一个高效、可扩展的编程语言环境。
如何自定义数据集进行目标检测_keras-yolo3.zip
09-28
如何自定义数据集进行目标检测_keras-yolo3
基于JavaScript及多语言融合的勤工俭学平台设计源码
09-28
本项目是一款基于JavaScript及多语言融合的勤工俭学平台设计源码，共计367个文件，涵盖231个Java源代码文件、27个XML配置文件、23个JavaScript文件、19个CSS文件、8个PNG图像文件以及少量其他类型文件。该平台旨在为勤工俭学活动提供高效便捷的解决方案，支持多种语言的交互，满足不同用户的需求。
初始化对LoRA微调动态的影响研究
09-28
内容概要：研究了低秩适应（Low Rank Adaptation, LoRA）方法下不同随机初始化设置的效果与动态特性。论文主要发现，在初始化矩阵B为零、矩阵A随机时，模型通常可以使用更大的学习率并取得较好的效果，但这种情况下会出现内部不稳定现象。然而当A被初始化为零而B随机时，则不具备上述优势。通过理论和大量实验证明，初始化选择A而非B将导致更好的优化结果与训练稳定性。 适合人群：机器学习、神经网络的研究员、深度学习领域的科研学者。 使用场景及目标：在大规模语义模型的参数调整过程中选择恰当的初始化配置，从而提升效率以及性能。对于LoRA微调任务来说，在有限算力条件下高效地利用少量新增训练参数进行自适座行动。 其他说明：文中提出的结论有助于未来改进基于小样本学习的任务，同时指出了目前两种初始化方式均存在缺陷，提示可能需要进一步的研究来解决这些问题。尽管当前方法表现优于默认的LoRA初始化，但仍有一定局限性和潜在改进方向。
C语言实现跨平台图像处理：基础框架与bmp操作
通过这个C语言图像处理框架，开发者能够更好地理解和掌握在不同平台上处理图像的基本原理，同时为后续开发嵌入式系统或Linux应用的图像处理程序打下坚实的基础。对于那些想要学习C语言图像处理或者希望了解跨平台...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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