Halcon例程一维函数的使用之check_smd_tilt.hdev

最新推荐文章于 2023-12-28 21:16:51 发布

yangyang_z

最新推荐文章于 2023-12-28 21:16:51 发布

阅读量497

点赞数

分类专栏： HALCON 文章标签：计算机视觉图像处理人工智能

本文链接：https://blog.csdn.net/weixin_43488529/article/details/121141769

版权

HALCON 专栏收录该内容

31 篇文章 42 订阅

订阅专栏

提取垂直于矩形或环形弧的灰度值轮廓。

前言
1、一维函数——check_smd_tilt.hdev
2、分析关键函数功能和用法

前言

该程序检查 SMD 是否接近水平或是否相对于相机倾斜。图像是在小景深下拍摄的，因此倾斜的 SMD 部分模糊。
首先，从图像中分割出 SMD。然后，计算边缘的幅度（灰度值的一阶导数）。边缘幅度在模糊区域较弱。
因此，可以通过比较 SMD 左右部分的边缘幅度来检测倾斜的 SMD。

1、一维函数——check_smd_tilt.hdev

初始化窗口准备

dev_update_off ()
dev_close_window ()  //关闭活动图形窗口
//Open a new graphics window
dev_open_window (0, 0, 640 * .7, 512 * .7, 'black', WindowHandle)
dev_set_draw ('margin')   //定义区域填充模式
dev_set_line_width (3)    //定义区域轮廓输出的线宽
//Open a new graphics window
dev_open_window (0, 640 * .7 + 12, 640 * .7, 512 * .7, 'black', GrayProfileWindow)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
set_display_font (GrayProfileWindow, 16, 'mono', 'true', 'false')

图像处理

* 
NumImages := 10
for Index := 1 to NumImages by 1
    read_image (Image, 'smd/smd_tilted_' + Index$'02') //读取不同文件格式的图像
    * 
    * Segment the SMD
    * 
    //通过局部均值和标准差分析对图像进行阈值处理
    var_threshold (Image, Region, 20, 20, 0.1, 2, 'dark') 
    //计算区域的连通分量
    connection (Region, ConnectedRegions)
    //借助形状特征选择区域
    select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 15000, 99999999)
    //变换区域的形状
    shape_trans (SelectedRegions, RegionTrans, 'convex')
    //缩小图像的域
    reduce_domain (Image, RegionTrans, ImageReduced)
    * 
    * Check if the SMD is tilted
    * 
    //使用 Sobel 算子检测边缘（幅度）
    sobel_amp (ImageReduced, EdgeAmplitude, 'sum_abs', 3)
    //任何方向的最小环绕矩形
    //区域的最小周围矩形,请注意，计算是基于区域像素的中心坐标。 
    smallest_rectangle2 (RegionTrans, Row, Column, Phi, Length1, Length2)
    //创建任意方向的矩形
    gen_rectangle2 (Rectangle, Row, Column, Phi, Length1 - 3, 20)
    //准备提取垂直于矩形的直边
    gen_measure_rectangle2 (Row, Column, Phi, Length1 - 3, 20, 640, 512, 'nearest_neighbor', MeasureHandle)
    //提取垂直于矩形或圆弧的灰度值轮廓
    measure_projection (EdgeAmplitude, MeasureHandle, GrayValues)
    // Delete a measure object
    close_measure (MeasureHandle)
    Sequence := [1:|GrayValues|]
    //创建一维函数 (x,y)
    create_funct_1d_pairs (Sequence, GrayValues, Function)
    gen_arrow_contour_xld (Arrow, [Row,Row], [Column,Column], [Row - Length1 * sin(Phi),Row + Length1 * sin(Phi)], [Column + Length1 * cos(Phi),Column - Length1 * cos(Phi)], 25, 25)
    * 
    * Evaluate the edge amplitude of the SMD profile
    Length := |GrayValues|
    PartLeft := GrayValues[0:Length / 2]
    PartRight := GrayValues[Length / 2:Length - 1]
    RangeLeft := max(PartLeft) - min(PartLeft)
    RangeRight := max(PartRight) - min(PartRight)
    TiltRatio := RangeLeft / RangeRight
    if (TiltRatio > 3 or TiltRatio < 1.0 / 3)
        Color := 'red'
        String := 'Not OK:\nSMD is tilted'
    else
        Color := 'green'
        String := 'OK:\nSMD is aligned'
    endif
    *

显示结果

    * Display the results
    dev_set_window (WindowHandle)   //激活图形窗口
    dev_display (Image)             //在当前图形窗口中显示图像对象
    dev_set_color (Color)           //设置一种或多种输出颜色
    dev_display (Arrow)             //在当前图形窗口中显示图像对象
    dev_display (RegionTrans)
    disp_message (WindowHandle, String, 'window', 12, 12, 'black', 'true')
    dev_set_window (GrayProfileWindow)  //激活图形窗口
    dev_clear_window ()                 //清除活动图形窗口的内容
    //绘制一维函数图像
    plot_funct_1d (GrayProfileWindow, Function, [], [], Color, 'axes_color', 'none')
    disp_message (GrayProfileWindow, ['Edge amplitude','Tilt ratio = ' + TiltRatio$'3.2f'], 'window', 12, 12, 'white', 'false')
    if (Index != NumImages)
        disp_continue_message (WindowHandle, 'black', 'true')
        stop ()
    endif
endfor

1.1 图像边缘清晰对应的振幅（amplitude）

在这里插入图片描述

1.2 图像边缘模糊对应的振幅（amplitude）

在这里插入图片描述

1.3 局部均值和标准差分析对图像进行阈值处理var_threshold

在这里插入图片描述

1.4 借助形状特征选择区域 select_shape

在这里插入图片描述

1.5 变换区域的形状 shape_trans

在这里插入图片描述

1.6 缩小图像的域 reduce_domain

在这里插入图片描述

1.7 使用 Sobel 算子检测边缘（幅度） sobel_amp

在这里插入图片描述

1.8 任何方向的最小环绕矩形 smallest_rectangle2

创建任意方向的矩形gen_rectangle2

在这里插入图片描述

1.9 准备提取垂直于矩形的直边 gen_measure_rectangle2

在这里插入图片描述

2、分析关键函数功能和用法

2.1 dev_open_window (Operator)

2.1.1 函数原型

dev_open_window( : : Row, Column, Width, Height, Background : WindowHandle)
//其中
Row (input_control)     rectangle.origin.y → (integer)
Column (input_control)  rectangle.origin.x → (integer)
	//左/右上角的行索引。
	//默认值：0
	//典型值范围：0 ≤ Row/Column
	//最小增量：1
	//推荐增量：1
	//限制：Row/Column >= 0
Width (input_control)   rectangle.extent.x → (integer)
Height (input_control)  rectangle.extent.y → (integer)
	//窗口的宽度/高度。
	//默认值：256
	//典型值范围：0 ≤ Width/Height  
	//最小增量：1
	//推荐增量：1
	//限制：(Width/Height  > 0) || （Width/Height  == -1）
Background (input_control)  integer → (integer / string)
	//Color of the background of the new window.
	//Default value: 'black'
WindowHandle (output_control)  window → (integer)
	//窗口标识符

2.1.2 example

dev_close_window ()
read_image (For5, 'for5')
get_image_size (For5, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (For5)
dev_set_lut ('rainbow')
dev_display (For5)
stop ()
dev_set_lut ('default')
dev_display (For5)
stop ()
dev_set_part (100, 100, 300, 300)
dev_display (For5)

2.1.3 analysis

dev_open_window 打开一个新的图形窗口，可用于显示图像、区域和线条等标志性对象以及执行文本输出。此窗口自动变为活动状态，这意味着所有输出（dev_display 和操作员结果的自动显示）都重定向到此窗口。这由活动按钮上的发光灯显示。

图形窗口的原点是坐标 (0,0) 的左上角。 x 值（列）从左到右增加，y 值（行）从上到下增加。默认情况下，坐标系的设置方式是图像显示时无需剪裁并完全适合图形窗口。对于在程序重置或加载新程序之后显示的第一幅图像，或者如果当前图像的图像大小与之前显示的图像不同，则根据此规则，坐标系适应窗口大小。窗口的大小不会自动调整，因此，如果图像的纵横比与窗口的纵横比不同，则图像会扭曲以适应窗口。这可以通过窗口大小菜单进行更改。

每个图形窗口管理一个历史记录，其中包含
1.对象和
2.显示参数

2.2 var_threshold

通过局部均值和标准差分析对图像进行阈值处理。

2.2.1 函数原型

var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )

参数

//参数
Image (input_object)  singlechannelimage(-array) → object (byte/int2/int4/uint2/real)
	//input image
Region (output_object)  egion(-array) → object
	//Segmented regions
MaskWidth (input_control)   extent.x → (integer)
MaskHeight (input_control)  extent.y → (integer)
	//用于平均值和偏差计算的掩码宽度/高度。
	//默认值：15
	//建议值：9、11、13、15
	//限制：MaskWidth/MaskHeight  >= 1
StdDevScale (input_control)  number → (real / integer)
	//灰度值标准偏差的因子。
	//默认值：0.2
	//建议值：-0.2、-0.1、0.1、0.2
AbsThreshold (input_control) number → (real / integer)
	//与平均值的最小灰度值差异。
	//默认值：2
	//建议值：-2、-1、0、1、2
LightDark (input_control) string → (string)
	//Threshold type.
	//Default value: 'dark'
	//List of values: 'dark', 'equal', 'light', 'not_equal'

2.2.2 分析

运算符 var_threshold 从输入图像 Image 中选择像素满足阈值条件的那些区域。阈值是根据每个像素 (x,y) 周围大小为 MaskWidth x MaskHeight 的局部窗口中的平均灰度值和标准偏差计算得出的。如果 MaskWidth 或 MaskHeight 为偶数，则使用下一个较大的奇数值。掩码窗口应大于要分割的图像特征，并且应至少包含三个像素。

设 g(x,y) 为输入图像 Image 中 (x,y) 位置的灰度值，m(x,y) 和 d(x,y) 为窗口中灰度值的对应均值和标准差围绕那个像素和

在这里插入图片描述
或

标准偏差用作图像中噪声的度量，并由 StdDevScale 缩放以反映所需的灵敏度。阈值条件由参数 LightDark 决定：

LightDark = ‘light’:

在这里插入图片描述

LightDark = ‘dark’:

在这里插入图片描述

LightDark = ‘equal’:

在这里插入图片描述

LightDark = ‘not_equal’:

在这里插入图片描述

所有满足上述条件的像素都被聚合到结果区域 Region 中。

对于参数 StdDevScale 值，介于 -1.0 和 1.0 之间是明智的选择，建议值为 0.2。如果参数太高或太低，可能会返回一个空或完整的区域。参数 AbsThreshold 在 StdDevScaledev(x,y) 上设置了一个额外的阈值。如果 StdDevScaledev(x,y) 对于 StdDevScale 的正值低于 AbsThreshold，或者对于负值 StdDevScale 高于 AbsThreshold，则采用 AbsThreshold。

2.3 connection (Operator)

connection — 计算区域的连通分量

2.3.1 函数原型

connection(Region : ConnectedRegions : : )

//参数
Region (input_object)               region(-array) → object
	//input region
ConnectedRegions (output_object)    region -array → object
	//连接的组件

2.3.2 描述

connection 确定 Region 中给定的输入区域的连通分量。用于此的邻域可以通过 set_system(‘neighborhood’,<4/8>) 设置。默认是 8-neighborhood，这对于确定前景的连通分量很有用。 connection 返回的最大连接组件数可以通过 set_system(‘max_connection’,) 设置。默认值 0 会导致返回所有连接的组件。连接的逆运算符是 union1。

2.4 select_shape (Operator)

select_shape — 借助形状特征选择区域

2.3.1 函数原型

select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )
//参数
Regions (input_object)            region-array → objec
	//要检查的区域
SelectedRegions (output_object)   region-array → object
	//满足条件的区域
Features (input_control)          string(-array) → (string)
	//选择筛选的形状特征。
	/*Default value: 'area'
List of values: 'anisometry', 'area', 'area_holes', 'bulkiness', 'circularity', 
'column', 'column1', 'column2', 'compactness', 'connect_num', 'contlength', 
'convexity', 'dist_deviation', 'dist_mean', 'euler_number', 'height', 'holes_num', 
'inner_height', 'inner_radius', 'inner_width', 'max_diameter', 'moments_i1', 
'moments_i2', 'moments_i3', 'moments_i4', 'moments_ia', 'moments_ib', 'moments_m02', 
'moments_m02_invar', 'moments_m03', 'moments_m03_invar', 'moments_m11',
'moments_m11_invar', 'moments_m12', 'moments_m12_invar', 'moments_m20',
'moments_m20_invar', 'moments_m21', 'moments_m21_invar', 'moments_m30',
'moments_m30_invar', 'moments_phi1', 'moments_phi2', 'moments_psi1', 'moments_psi2', 
'moments_psi3', 'moments_psi4', 'num_sides', 'orientation', 'outer_radius', 'phi', 
'ra', 'rb', 'rect2_len1', 'rect2_len2', 'rect2_phi', 'rectangularity', 'roundness', 
'row', 'row1', 'row2', 'struct_factor', 'width'
*/

Operation (input_control)  string → (string)
	//单个特征的链接类型
	//Default value: 'and'
	//List of values: 'and', 'or'
Min (input_control)      real(-array) → (real / integer / string)
	//Lower limits of the features or 'min'.
	//Default value: 150.0
	//Typical range of values: 0.0 ≤ Min ≤ 99999.0
	//Minimum increment: 0.001
	//Recommended increment: 1.0
Max (input_control)    real(-array) → (real / integer / string) 
	//Upper limits of the features or 'max'.
	//Default value: 99999.0
	//Typical range of values: 0.0 ≤ Max ≤ 99999.0
	//Minimum increment: 0.001
	//Recommended increment: 1.0
	//Restriction: Max >= Min

2.3.2 example

* where are the eyes of the ape ?
read_image(Image,'monkey')
threshold(Image,S1,160,255)
connection(S1,S2)
select_shape(S2,Eyes,['area','anisometry'],'and',[500,1.0],[50000,1.7])
dev_display(Image)

在这里插入图片描述

yangyang_z

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Halcon例程一维函数的使用之check_smd_tilt.hdev

提取垂直于矩形或环形弧的灰度值轮廓。前言1、一维函数——check_smd_tilt.hdev1.1 图像边缘清晰对应的振幅（amplitude）1.2 图像边缘模糊对应的振幅（amplitude）1.3 局部均值和标准差分析对图像进行阈值处理var_threshold1.4 借助形状特征选择区域 select_shape1.5 变换区域的形状 shape_trans1.6 缩小图像的域 reduce_domain1.7 使用 Sobel 算子检测边缘（幅度） sobel_amp1.8 任何方向的最小..
复制链接

扫一扫