halcon算子翻译——fit_surface_second_order

名称

fit_surface_second_order - 通过二阶曲面计算灰度值矩和拟合。

用法

fit_surface_second_order(Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta)

描述

  算子fit_surface_second_order通过二阶曲面计算灰度值矩和灰度值拟合的参数。 计算是通过最小化灰度值和曲面之间的距离来完成的。 二阶曲面用下面的公式来描述:

  r_center和c_center是输入区域与完整图像域的交集的中心坐标。 通过最小化处理,计算从Alpha到Zeta的参数。

可以在Algorithm中选择用于拟合的算法:

'regression'

  标准“最小二乘”拟合。

'huber'

  加权“最小二乘”拟合,其中基于Huber的方法减少了异常值的影响。

'tukey'

  加权“最小二乘”拟合,根据Tukey的方法忽略异常值。

  参数ClippingFactor(标准偏差的比例因子)控制着阻尼异常值的数量:为ClippingFactor选择的值越小,检测到越多的异常值。 重复检测异常值。 参数Iterations指定迭代次数。 在“regression”模式中,这个值被忽略。

注意

请注意,算子fit_surface_second_order仅考虑给定的区域,并忽略输入图像Image的任何先前设置的域。

并行

●  多线程类型:可重入(与非独占算子并行运行)。
●  多线程范围:全局(可以从任何线程调用)。
●  在元组级别自动并行化处理。

●  在内部数据级别自动并行化处理。

参数

Regions (input_object)   region(-array) → object
  要检查的区域。


Image (input_object)    singlechannelimage → object (byte / uint2 / direction / cyclic / real)
  输入图像。


Algorithm (input_control)    string → (string)
  拟合算法。
  Default value: 'regression'
  List of values: 'huber', 'regression', 'tukey'


Iterations (input_control)    integer → (integer)
  最大迭代次数(未用于“regression”)。
  Default value: 5
  Restriction: Iterations >= 0


ClippingFactor (input_control)    real → (real)
  用于消除异常值的剪切因子。
  Default value: 2.0
  List of values: 1.0, 1.5, 2.0, 2.5, 3.0
  Restriction: ClippingFactor > 0


Alpha (output_control)    real(-array) → (real)
  拟合曲面的参数Alpha。


Beta (output_control)    real(-array) → (real)
  拟合曲面的参数Beta。


Gamma (output_control)    real(-array) → (real)
  拟合曲面的参数Gamma。


Delta (output_control)    real(-array) → (real)
  拟合曲面的参数Delta。


Epsilon (output_control)    real(-array) → (real)
  拟合曲面的参数Epsilon。


Zeta (output_control)    real(-array) → (real)
  拟合曲面的参数Zeta。

结果

如果输入具有定义的灰度值('byte')的图像并且参数是正确的,则算子fit_surface_second_order返回值2(H_MSG_TRUE)。 如有必要,会引发异常。

Possible Successors

gen_image_surface_second_order

See also

moments_gray_plane, fit_surface_first_order

模块

Foundation

转载于:https://www.cnblogs.com/xhiong/p/fit_surface_second_order.html

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Halcon中的fit_line_contour_xld算子可以用OpenCV中的fitLine函数来实现。fitLine函数可以拟合一条直线,从而实现对轮廓的拟合。具体步骤如下: 1. 读入图像,并将其转换为灰度图像。 2. 对图像进行二值化处理。 3. 使用findContours函数查找轮廓。 4. 对轮廓进行拟合,使用fitLine函数。 5. 计算拟合直线的斜率和截距。 6. 绘制检测结果,显示图像。 下面是一个简单的示例代码: ``` import cv2 import numpy as np # 读入图像并转换为灰度图像 img = cv2.imread('image.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化图像 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) # 对轮廓进行拟合 rows,cols = img.shape[:2] vx,vy,x,y = cv2.fitLine(contours[0], cv2.DIST_L2, 0, 0.01, 0.01) lefty = int((-x*vy/vx) + y) righty = int(((cols-x)*vy/vx)+y) # 绘制检测结果 cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2) # 显示图像 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在此示例中,我们首先读取一张图像,然后将其转换为灰度图像并进行二值化处理。接下来,我们使用findContours函数查找轮廓,并使用fitLine函数对轮廓进行拟合。然后,我们计算拟合直线的斜率和截距,并使用cv2.line函数在图像上绘制该直线。最后,我们显示图像并输出结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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