halcon算子之如何根据特征过滤区域和XLD

dev_open_window (0, 0, 512, 512, ‘black’, WindowHandle)

read_image (Image, ‘fabrik’)

threshold (Image, Region, 128, 255)

*计算区域的连通分量。
connection (Region, ConnectedRegions)

*根据面积范围[8000, 9000]进行过滤
dev_display (Image)
select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 8000, 9000)

dev_display (Image)

dev_display (SelectedRegions)

*算子select_shape_std将给定区域的形状与默认形状进行比较。 如果该区域具有相似的形状,则输出为相似的形状.‘max_area’, ‘rectangle1’, ‘rectangle2’
*90相似量度量
select_shape_std (ConnectedRegions, SelectedRegions1, ‘rectangle1’, 90)

dev_display (Image)

dev_display (SelectedRegions1)

*算子select_shape_proto 过滤出彼此具有一定关系的区域。
select_shape_proto (ConnectedRegions, SelectedRegions, SelectedRegions2, ‘distance_center’, 0, 200)

dev_display (Image)

dev_display (SelectedRegions2)

  • 0
    点赞
  • 0
    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。
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