select_shape 是 Halcon 中用于筛选区域（Region）的关键算子，它基于区域的形状特征（如面积、长宽比、圆度等）对输入区域进行过滤。其参数灵活，使用广泛，但对于初学者可能较难掌握。以下是其参数详解及使用技巧：
函数原型
select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )
参数解析
1. Regions（输入）
- 类型: 区域集合（Region）
- 说明: 输入的需要筛选的区域集合。需通过其他图像处理步骤（如阈值分割、形态学操作等）提前生成。
2. SelectedRegions（输出）
- 类型: 区域集合
- 说明: 符合筛选条件的输出区域集合。
3. Features（关键参数）
- 类型: 字符串或字符串数组
- 说明: 指定基于哪些形状特征进行筛选。Halcon 提供超过60种形状特征，以下为常见关键特征：
| 特征名 | 含义 | 典型范围 |
|---|---|---|
'area' | 区域面积（像素数量） | ≥ 0 |
'width' | 区域宽度（基于最小外接矩形） | ≥ 0 |
'height' | 区域高度（基于最小外接矩形） | ≥ 0 |
'ratio' | 宽度与高度的比值（width/height） | ≥ 0 |
'compactness' | 紧凑度（周长² / (4π*area)），圆=1 | ≥ 1（越大越不圆） |
'circularity' | 圆度（2D 区域接近圆形的程度） | 0（不圆）~1（完美圆） |
'rectangularity' | 矩形度（区域面积 / 最小外接矩形面积） | 0~1 |
'contlength' | 区域轮廓的周长 | ≥ 0 |
'convexity' | 凸性（区域面积 / 凸包面积） | 0~1 |
'num_holes' | 区域中孔洞的数量 | ≥ 0 |
4. Operation（逻辑操作）
- 类型: 字符串
- 说明: 指定筛选条件的逻辑关系。支持以下操作符：
'and'：所有特征条件必须同时满足（默认）。'or'：满足任一特征条件即可。- 其他复合逻辑（如
'xor'根据版本可能支持）。
5. Min / Max（阈值范围）
- 类型: 数值或数值数组
- 说明: 设定每个特征的阈值范围。若只设定一个值，则另一界限自动取极值（如
Max=inf或Min=-inf）。- 适用示例:
Features='area', Min=100, Max=1000→ 选择面积在 100~1000 像素的区域。Features=['area','circularity'], Min=[500,0.8], Max=[5000,1.0]→ 面积 ≥500 且 ≤5000，且圆度 ≥0.8。
- 适用示例:
使用技巧
1. 多特征组合筛选
- 可同时指定多个特征，例如筛选“面积大且接近圆形”的区域：
select_shape(Regions, Selected, ['area','circularity'], 'and', [500,0.8], [5000,1.0])
2. 批量操作与优先级
- 特征顺序无关：
Features参数的特征顺序不影响筛选结果。 - 逻辑优先级：使用
'or'时建议谨慎，避免区域重复选中。
3. 动态阈值调整
- 若对特征范围不确定，可通过算子
smallest_rectangle1、area_center等预先计算特征的统计值，再动态设置Min/Max。
4. 常见问题
- 筛选结果为空：检查是否阈值范围过窄或逻辑条件冲突。
- 特征取值范围异常：如
'circularity'应为 0~1，超过范围将无效。
示例代码
案例1：筛选面积大于1000的圆形区域
* 分割得到初始区域
threshold(Image, Regions, 100, 255)
connection(Regions, ConnectedRegions)
* 筛选面积≥1000且圆度≥0.8的区域
select_shape(ConnectedRegions, Selected, ['area','circularity'], 'and', [1000,0.8], [999999,1.0])
案例2：过滤长宽比异常的矩形
* 筛选矩形区域，排除过于狭长的情况（长宽比在0.5~2之间）
select_shape(Regions, GoodRects, 'ratio', 'and', 0.5, 2.0)
注意事项
- 特征依赖性：部分特征需基于特定区域属性（如
'convexity'需要计算凸包）。 - 效率优化：当处理大型区域集合时，优先筛选“廉价特征”（如面积）以提高速度。
- 复合逻辑限制：Halcon 不支持自定义逻辑表达式（如
(A AND B) OR C），需多次调用select_shape组合实现。
通过灵活配置 Features 和阈值，select_shape 可以高效处理复杂形状过滤任务。建议结合 Halcon 的 features 工具（获取区域的具体特征值）调试参数范围。
Halcon 的 select_shape 支持的形状特征（Features）非常丰富，实际应用中包含近百种特征参数。由于篇幅限制，上述回答仅列举了部分常用特征。以下将系统分类并全面补充所有关键特征，同时标注其数学定义和应用场景，助您彻底掌握。
Halcon select_shape 的 Features 参数完整分类及详解
1. 基础几何特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'area' | 区域像素数量 | ≥ 0 的整数 | 筛选大小符合目标的区域 |
'width' | 最小外接矩形的宽度 | ≥ 0，浮点数 | 排除过宽或过窄的物体 |
'height' | 最小外接矩形的高度 | ≥ 0，浮点数 | 筛选特定高度范围的物体 |
'row' | 区域重心行坐标（Y坐标） | 图像坐标系内值 | 根据位置筛选区域 |
'column' | 区域重心列坐标（X坐标） | 图像坐标系内值 | 同上 |
'row1', 'column1', 'row2', 'column2' | 最小外接矩形的左上角(row1, column1) 和右下角(row2, column2) | 像素坐标 | 定位物体的包围框位置 |
2. 形态与轮廓特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'compactness' | ( \text{Compactness} = \frac{\text{Perimeter}^2}{4\pi \times \text{Area}} ) | ≥1（圆为1，值越大越不圆） | 区分圆形与其他形状 |
'circularity' | ( \text{Circularity} = \frac{4\pi \times \text{Area}}{\text{Perimeter}^2} ) | 0（不圆）~1（完美圆） | 高精度圆检测（比紧凑度更直观） |
'contlength' | 区域轮廓总长度 | ≥0，浮点数 | 筛选边缘复杂的物体 |
'convexity' | ( \text{Convexity} = \frac{\text{Area}}{\text{Convex Hull Area}} ) | 0~1（1为完全凸形） | 检测凹痕或缺口（如缺陷检测） |
'rectangularity' | ( \text{Rectangularity} = \frac{\text{Area}}{\text{Width} \times \text{Height}} ) | 0~1（矩形为1） | 筛选矩形或方形物体 |
'num_sides' | 多边形近似后的边数（需先调用 shape_trans 进行多边形逼近） | ≥3，整数 | 识别规则多边形（如六角螺母） |
'contarea' | 区域闭合轮廓内的面积 | ≥0，整数 | 区分空心和实心区域 |
3. 方向与对称性特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'orientation' | 区域的主轴方向（指向最大惯量轴的角度） | [-π/2, π/2] 弧度 | 调整工件方向（如零件排序） |
'anisometry' | 各向异性 = 主轴长度 / 短轴长度（等效椭圆的轴比） | ≥1（圆为1） | 检测拉伸形变（如椭圆度检测） |
'bulkiness' | ( \text{Bulkiness} = \pi \times \frac{\text{Length1} \times \text{Length2}}{4 \times \text{Area}} ) | ≥1 浮点数 | 衡量区域“膨胀”程度 |
'structure_factor' | 结构因子（区域紧密度与面积平衡指标） | 复杂定义，参考手册 | 综合形状复杂性分析 |
4. 矩与高阶统计特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'moments_xx' | 二阶中心矩（用于计算协方差矩阵） | 浮点数 | 形状的高阶统计描述 |
'moments_yy' | 同上 | 浮点数 | 同上 |
'moments_xy' | 同上 | 浮点数 | 同上 |
'ra' | 区域等效椭圆的半长轴长度（Length1） | ≥0，浮点数 | 描述物体伸展程度 |
'rb' | 区域等效椭圆的半短轴长度（Length2） | ≥0，浮点数 | 同上 |
'phi' | 等效椭圆的取向角度（同 'orientation'） | [-π/2, π/2] 弧度 | 替代 'orientation'，但需注意椭圆的物理意义 |
5. 孔洞与拓扑特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'num_holes' | 区域内部孔洞的数量 | ≥0，整数 | 检查零件是否有缺失（如孔洞数量异常） |
'area_holes' | 孔洞的总面积 | ≥0，整数 | 分析空心区域的比例 |
'euler_number' | 欧拉数 = 孔洞数 - 连接数 + 1 | 整数，可正可负 | 拓扑结构分析（如验证网格完整性） |
6. 投影特征
| 特征名 | 数学定义/描述 | 范围/类型 | 应用场景 |
|---|---|---|---|
'proj_horizontal' | 区域在水平方向上的投影长度 | ≥0，浮点数 | 检测水平延伸的物体（如横杆） |
'proj_vertical' | 区域在垂直方向上的投影长度 | ≥0，浮点数 | 检测垂直结构（如立柱） |
高级应用技巧
1. 组合多条件筛选
用数组传入多个特征，通过 Operation 和 Min/Max 数组实现复杂逻辑。例如，筛选 圆形、无孔洞且面积适中 的物体：
select_shape(Regions, Selected, ['circularity', 'num_holes', 'area'], 'and', [0.9, 0, 500], [1.0, 0, 2000])
2. 动态计算特征阈值
若特征范围未知，先用 area_center、circularity 等单特征算子提取样本值，再确定动态阈值：
* 计算面积均值，筛选中大型区域
area_center(Regions, Area, Row, Column)
mean := mean(Area)
select_shape(Regions, Selected, 'area', 'and', mean*0.5, mean*2)
3. 特征依赖关系
某些特征需要特定预处理：
'num_sides'：需先用shape_trans将区域转换为多边形。'euler_number'：需确保区域已连通（无碎块）。
4. 注意特征计算开销
如 'moments_xx' 等高阶矩计算成本较高，建议先用基础特征（如面积）初步筛选，再应用高级特征。
完整代码示例：精密定位六角螺钉
* 分割并连接区域
read_image(Image, 'screws.png')
threshold(Image, Regions, 128, 255)
connection(Regions, ConnectedRegions)
* 转换为多边形以使用 `num_sides` 特征
shape_trans(ConnectedRegions, Polygons, 'convex')
* 筛选六边形（边数5.5~6.5）且凸性好的螺钉
select_shape(Polygons, Screws, ['num_sides', 'convexity'], 'and', [5.5, 0.95], [6.5, 1.0])
特征查找工具
使用 features 算子可输出区域的全部特征值，便于调试：
* 获取区域所有特征并显示
features(Regions, 'all', Features)
write_string('特征值：' + Features)
或通过 HDevelop 的工具菜单 → Inspect Features… 可视化分析区域特征分布。
通过合理选择特征及其组合，select_shape 可成为复杂视觉检测任务的强力工具。建议结合《Halcon 形状特征官方手册》深入学习每个特征的计算方法及适用场景。
扫一扫
1140
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
