Halcon教程十一：小球识别，初识腐蚀与膨胀，开运算和闭运算

在前面的博客里面
我有发布过两个例子
一个是识别条码 一个是识别回形针个数和方向
识别条码用到了内置的算子
create_bar_code_model
halcon这个算子还是蛮强大的
我当时用工业相机去实时采集 很多拍下来的条码都能显示正确
既然后面涉及到了个数的识别
然后我想看更多的例子
好的 这个时候 我们点击一下halcon示例
在搜索栏输入 count

可以看到 关于个数的识别 halcon有三个示例程序
给大家翻译一下哈
第一个是识别瓶子个数，可以看到是用瓶口来识别的

第二个是识别鱼条个数（我不知道是什么，感觉想在识别超市里卖的小香肠）

第三个是识别小球，或者说是小石头什么的吧

那么在识别糖豆的时候接触到了两个很有意思的函数
腐蚀与膨胀
在识别中 ：这是一个非常重要的概念
大家可以看图中紧挨着的小球
当我们直接去识别的时候

截图来自教程三
用connect 函数进行区域连通处理

这些紧挨着的小球 会被识别成一个
后面如果直接获取个数对象 那么这些玩意是识别不出来的
当然如果你给的识别区域面积足够大 他们会被识别成一个
这个时候 我们需要做一件什么事情呢

那就是进行开运算
那就介绍一下开运算和闭运算吧

不对 应该先介绍腐蚀与膨胀

膨胀操作会扩大（粗化）图像中物体的轮廓，可以用来弥补（填充）物体间的孔洞，强化离散点，代价是导致物体的面积比原来的面积要大。

腐蚀操作会收缩（细化）图像中物体的轮廓，可以用来断开（分离）物体间的连接，消除离散点，代价是导致物体的面积比原来的面积要小。

开运算是使用同一结构元素对图像进行先腐蚀后膨胀的操作，可以用来平滑物体的轮廓，断开物体间较窄的连接，消除物体边沿尖锐的突出部分。

闭运算是使用同一结构元素对图像进行先膨胀后腐蚀的操作，可以用来修正物体的轮廓，填充物体间较窄的连接。

直接看文字应该只能理解一般 那我们图文并茂

第一张是原图
第二张进行了腐蚀操作
第三张进行了 膨胀操作
就行进行了我们所说的开运算
现在大家可以看到 图一中那些最开始连接着的小球
到了第三张图去还原的时候全部都分开识别了

原halcon示例太长 我们取核心代码

read_image (Image, 'pellets')
get_image_size (Image, Width, Height)
binary_threshold (Image, LightRegion, 'max_separability', 'light', UsedThreshold)
opening_circle (LightRegion, Region, 3.5)
connection (Region, ConnectedRegionsWrong)
erosion_circle (Region, RegionErosion, 7.5)
connection (RegionErosion, ConnectedRegions)
dilation_circle (ConnectedRegions, RegionDilation, 7.5)
count_obj (RegionDilation, Number)

解释一下他的操作
打开图片
进行二值化阈值处理
使用开运算筛选半径大于3.5的圆形
然后进行连通处理
然后进行腐蚀操作分开小球
然后进行连通处理 小球分开
然后在进行膨胀操作 进行还原
然后数个数

这样就是完整的操作流程了

图像识别其实需要的知识面挺广的
我们这些小打小闹只是做一个入门的操作
熟悉了一下Halcon
当我们遇到更加有难度的图像时
我们该如何去识别
那就需要更多的知识体系了
我最近也开始看一本书了
准备把重点 给大家记录下来
让大家学习起来更轻松
有难度的事情就交给我吧！
如果要学习Halcond的话可以关注一下我哦