Halcon慢慢来（颜色与纹理）

最新推荐文章于 2024-08-16 07:58:42 发布

酱香拿钢

最新推荐文章于 2024-08-16 07:58:42 发布

阅读量390

点赞数

分类专栏： Halcon快速入门了解文章标签：计算机视觉图像处理 opencv

本文链接：https://blog.csdn.net/weixin_43925768/article/details/126855690

版权

Halcon快速入门了解专栏收录该内容

9 篇文章 13 订阅

订阅专栏

在这里插入图片描述

* 读取图像
read_image (Image, 'data/beads.jpg')
* 从Image取出序号为1的通道图像，取名为Red
access_channel (Image, Red, 1)

在这里插入图片描述

* 读取图像
read_image (Image, 'data/beads.jpg')
* 获取Image图像中通道的数量
count_channels (Image, Channels)

在这里插入图片描述

read_image (Image, 'data/beads.jpg')
*将原始图像进行通道分离，得到红绿蓝三个分量的图像	
decompose3 (Image, Red, Green, Blue)

在这里插入图片描述

* 读取图像
read_image (Image, 'data/beads.jpg')
* 通道分离为数组
image_to_channels (Image, ImageArray)

在这里插入图片描述

* 读取图像
read_image (MultiChannelImage, 'data/beads.jpg')
* 通道分离
decompose3 (MultiChannelImage, R, G, B)
* 将多幅单通道图像合并成一幅多通道图像
compose3 (R, G, B, MultiChannelImage)

在这里插入图片描述

read_image (Image, 'data/beads.jpg')
decompose3 (Image, Red, Green, Blue)
sub_image (Blue, Red, BlueSubRed, 1, 128)
sub_image (BlueSubRed, Green, BlueSubRedGreen, 1, 128)
threshold (BlueSubRedGreen, BlueRegion, 230, 255)

在这里插入图片描述

read_image (Image, 'data/m105.jpg')
*将原始图像进行通道分离，得到红绿蓝三个分量的图像	
decompose3 (Image, Red, Green, Blue)
*将RGB三个分量的图像转化为H（色调）、S（饱和度）、V（明度）的图像
trans_from_rgb (Red, Green, Blue, ImageResultH, ImageResultS, ImageResultI, 'hsv')
*对饱和度图像阈值处理，分割出高饱和度区域，即字符区域的大致范围
threshold (ImageResultS, High, 192,255)
*区域分割，
reduce_domain (ImageResultH, High, ImageReduced)
*并进行膨胀操作
dilation_circle (ImageReduced, RegionDilation, 3.5)
*开运算，使边缘更清晰
opening_circle (RegionDilation, RegionChars, 5.5)
dev_clear_window ()
dev_display (RegionChars)

在这里插入图片描述

read_image(Image, 'data/cloth')
*将图像分解成RGB三个通道
decompose3 (Image, Image1, Image2, Image3)
*将RGB三个通道的图像，转化为HSV图像空间
trans_from_rgb (Image1, Image2, Image3, ImageResult1, ImageResult2, ImageResult3, 'hsv')
*进行纹理检测。
*其中选择的滤波器类型是‘ls’，即行方向用‘level’，列方向用‘spot’进行检测。
*这种滤波器类型适合检测垂直方向上的缺陷。
texture_laws (ImageResult2, ImageTextureLS, 'ls', 2, 7) 
*对滤波器处理后的图像进行均值化，使图像更平滑，缺陷区域明显
mean_image (ImageTextureLS, ImageMean, 11, 11)
*对检测出的缺陷区域进行形态学处理并显示出来
threshold (ImageMean, Regions, 60, 255)
*将符合条件的区域分隔成独立区域
connection(Regions, ConnectedRegions)
*计算各区域的面积，提取出面积最大的区域
area_center (ConnectedRegions, Area, Row, Column)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', max(Area), 99999) 
*做闭运算，提取出缺陷区域
closing_circle(SelectedRegions, RegionClosing, 11.5)
dev_clear_window ()
dev_display (RegionClosing)