halcon中怎么降低图像亮度_Halcon学习(图像预处理)

文章目录

图像的变换与校正

由于相机拍摄的时候可能存在角度偏差，因此实际获得的画面可能会与想象中有所差异。例如：采集连续目标时，可能每幅图中目标区域的位置和角度都不一样；又或者目标对象是一块矩形区域，而在采集到的图像中，这一块可能变成了梯形或扭曲的四边形。

因此，接下来要做的第一件事，就是把这块区域进行一些调整，使之恢复成原本的矩形区域。

首先需要理解：二维图像的平移、旋转和缩放，这里就不在赘述了，可以查看博主的另一篇文章 智能探针台-相关算法描述-仿射变换及其变换矩阵的理解。

把平移、旋转和缩放结合起来，可以才Halcon中使用仿射变换的相关算子。一个放射变化的矩阵包括平移向量和旋转向量。

仿射变换矩阵使用步骤：

使用hom_mat2d_identity (HomMat2DIdentity)创建一个空的仿射变换矩阵。

指定变换的参数，这里可以指定平移、缩放、旋转参数，例如：

设置平移矩阵，像x轴正方向平移30个像素，像y轴正方向平移30个像素：hom_mat2d_translate (HomMat2DIdentity, 30 30, HomMat2DTranslate)

设置旋转矩阵，以点(Px,Py)为参考点，旋转角度phi：hom_mat2d_rotate (HomMat2DIdentity, rad(Phi), Px, Py, HomMat2DRotate)

设置缩放矩阵，以点(Px,Py)为参考点，放大2倍：hom_mat2d_scale (HomMat2DIdentity, 2, 2, Px,Py, HomMat2DScale)

* 创建一个空的仿射变换矩阵

hom_mat2d_identity (HomMat2DIdentity)

* 设置平移矩阵

hom_mat2d_translate (HomMat2DIdentity, 64, 64, HomMat2DTranslate)

* 设置旋转矩阵

hom_mat2d_rotate (HomMat2DTranslate, 0.78, 0, 0, HomMat2DRotate)

* 设置缩放矩阵

hom_mat2d_scale (HomMat2DRotate, 2, 2, 0, 0, HomMat2DScale)

应用放射变换矩阵：

应用于像素点：使用affine_trans_pixel算子。

应用于二维点：使用affine_trans_point_2d算子。

应用于图像：使用affine_trans_image算子。

应用于区域：使用affine_trans_region算子。

应用于XLD轮廓：使用affine_trans_contour_xld算子。

* 应用于像素点

affine_trans_pixel (HomMat2DScale, 64, 64, RowTrans, ColTrans)

* 应用于二维点

affine_trans_point_2d (HomMat2DScale, RowTrans, ColTrans, Qx, Qy)

* 应用于图像

affine_trans_image (Image, ImageAffineTrans, HomMat2DScale, 'constant', 'false')

* 应用于区域

affine_trans_region (Region, RegionAffineTrans, HomMat2DScale, 'nearest_neighbor')

* 应用于XLD轮廓

affine_trans_contour_xld (, ContoursAffineTrans, HomMat2DScale)

仿射变换其实是投影变换的一个特殊例子，其特殊性在于变换后图像的形状仍然维持原状。投影变换包括的情况很多，有可能变换前后图像的形状发生了很大的改变，如对边不再平行，或者发生了透视畸变等，这时可以使用投影变换使其恢复原状。其步骤与仿射变换类似，首先计算投影变换矩阵，然后计算投影变换参数，最后将投影变换矩阵映射到对象上。

要计算投影变换矩阵，应找出投影变换区域的特征点的位置及其投影后的位置，通过hom_vector_to_proj_hom_mat2d算子进行换算，就可以根据已知的投影对应的点的值计算投影变换矩阵。然后用projective_trans_image对图像进行投影变换，就能得到投影后的图像了。

实例：透视性变图像校正

*关闭当前显示窗口，清空屏幕

dev_close_window ()

*读取测试图像

read_image (Image_