halcon connection_Halcon机器视觉学习笔记(九)特征直方图的运用

特征直方图和灰度直方图都是我们在halcon中经常会使用到的分析工具,使用特征直方图,我们可以很快捷添加条件来提取我们需要的形状特征。

在前两章我们说到了图形的阈值分割,提取我们需要的图像信息。还有就是通过形态学处理图像,使我们获取的图像更加适合我们需要的。

这次我还有一种提取图像信息的想法,那就是通过特征直方图的形式来获取我们的连通域,图像进行处理之后,我们再通过特征筛选我们进行视觉处理的特征。

首先我要介绍的是特征直方图。

aae5bd9165090a3b15015c88f974fd4d.png

打开特征直方图

在使用特征直方图之前,我们需要把我们经过阈值处理的图像进行连通域独立,通过connection 算子,我们可以把图像中不相连的部分独立起来,形成多个连通域,然后我们再通过特征直方图来进行连通域的筛选。

f710edfdc7346b6e289eb6d858328200.png

connection 算子

使用connection独立之后,我们才打开特征直方图的工具,然后才进行筛选。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Halcon是一款图像处理软件,可以用于图像识别、字符识别、物体检测等多种领域。基于Halcon的字符识别可以通过以下步骤实现: 1. 装载图像:使用Halcon的read_image函数读取图像。 2. 预处理图像:使用Halcon的preprocessing函数对图像进行预处理,例如灰度化、二值化等。 3. 定位字符:使用Halcon的find_text函数对字符进行定位。 4. 分割字符:根据字符的位置信息,使用Halcon的crop_rectangle函数将字符从原图像中分割出来。 5. 特征提取:对分割出来的字符进行特征提取,例如使用Halcon的moments函数计算Hu不变矩。 6. 训练分类器:使用Halcon的svm_train函数训练分类器。 7. 字符识别:使用Halcon的svm_classify函数对新的字符进行识别。 下面是一个基于Halcon的字符识别的示例代码: ```python read_image(Image, 'characters.png') preprocessing(Image, Image, 'gray') threshold(Image, BinaryImage, 128, 255) reduce_domain(BinaryImage, Region, 100, 100, 200, 200) find_text(Region, TextRegions, 'auto', 'black', ['lines_gaps'], [30, 10], [30, 10]) num_chars := number_of_text(TextRegions) for i := 1 to num_chars crop_rectangle(Image, CharImage, TextRegions[i]) moments(CharImage, Moments) hu_moments(Moments, HuMoments) svm_classify(HuMoments, 'trained_classifier.svm', Result) write_string(Result) endfor ``` 在该代码中,首先读取图像并进行预处理,然后使用find_text函数定位字符并分割出来。接着,对每个字符进行特征提取,并使用svm_classify函数进行识别。最终输出识别结果。 需要注意的是,该示例代码仅供参考,实际应用中还需要根据具体情况进行调整和优化。同时,也需要准备好训练数据集,以便训练分类器。

“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