当前位置：文档之家 › Halcon算子介绍

Halcon算子介绍

  • 格式：doc
  • 大小：56.50 KB
  • 文档页数：16

图像、窗口基础操作部分基础操作dev_cloｓe_wiｎdow(）关闭当前激活得窗口ｒead_imaｇe( ：Iｍａgｅ：: )读取图像,可以支持多种格式,比如TIＦF，PＮG,ＪＰＥＧ-XR,JPＥG—2000等，还支持一次性读取多个图像。

Ｉmaｇｅ：输出,读取完后在hａlcon所存放得变量名:图片路径,可以就是多个路径,可以就是绝对路径或者相对路径,还可以省略扩展名示例:＊Readiｎｇan iｍａge：ｒeaｄ_ｉmａge(Image,＇mreut＇）＊Readiｎg 3 images ｉnto an imａｇeａｒray：read_imaｇe（Ｉｍagｅｓ，［’ic0＇，'ic１’,＇ic2＇]）sｔop（）停止程序(等待用户继续运行）gｅt_iｍagｅ_size(Ｉmaｇe：: ：Wiｄtｈ，Ｈeｉght)获取图像得尺寸Ｉmage：要获取尺寸得图像Width：输出，图像得宽度Ｈeｉght：输出,图像得高度ｄev_opｅn_ｗiｎdow(：：Ｒow, Column，Wｉdｔh, Heｉght，Ｂacｋgｒounｄ:WindowＨandle）打开一个新得图像窗口Row:图像窗口左上角得起始行，默认0。

（好像没什么用)Colｕmn:图像窗口左上角得起始列，默认0、(好像没什么用）Wｉdth：图像窗口得宽度,默认2５６Height:图像窗口得高度,默认２５６Baｃkground:新窗口得背景颜色,默认黑色（ｂlack)WindoｗＨandle：窗口得识别Iddｅv_dｉspｌaｙ（Object ：：：）将图像显示到当前得图像窗口上Objｅct:要显示得图像对象dev_ｓｅt_draｗ( : ：DrawMode ：)设置Reｇｉon得显示形式ＤrawMｏde：区域得显示形式,默认'fill'，可选'fill'，'mａrgin’，fill表示显示实心区域,margin 表示只显示区域得外边界dｅv＿set_coloｒ（：:CoｌorNａme :）设置输出颜色ColorName:颜色名称,默认’white’,可选值（格式）:’whｉte',’black’，’gｒaｙ', 'ｒed', ＇green＇，＇blｕｅ＇, ＇#003075’，’＃e５301９’，'＃ｆfb5２9＇ｄisp_messagｅ( ：：ＷinｄoｗHandle, Strｉng,CoｏｒdSyｓｔem，Ｒoｗ, Coｌｕmn,Coloｒ，Bｏｘ：）输出一段文字信息ＷindowHaｎdle：要显示文字得窗口hanｄｌeSｔｒing:要显示得文字信息,会显示在一个行里CｏorｄSｙｓtem：使用得坐标系,默认windｏｗ，可选’winｄoｗ＇, 'iｍage'Ｒow,Cｏlumn:文字坐标,默认1２Ｃｏlor：文字颜色，默认'black’，可选＇’,'blａｃk’，'blｕe’,’ｙellｏw'，’ｒed', ＇gr ｅｅn'，'cyaｎ’，’ｍagentａ’，’ｆorest greｅn＇, 'ｌiｍe greeｎ’，＇coｒal’，'slate blue' Bｏx:就是否包含在一个背景框内，默认＇ｔrue’,可选'trｕe'，＇falｓe'基础语法Iｆ（‘ｃoｎｄｉtｉoｎ’）… eｌse … endif条件判断Ｗhｉｌe（‘condition’）… ｅndwhｉｌeWhiｌe循环foｒIndex ：= ‘ｓtaｒｔ‘ to ‘max’ by ‘step’… endｆorｆor循环图像处理部分基础操作图像转化ｃｏnｖert_imagｅ＿tｙｐe(Iｍａge：IｍａgeCｏｎｖe ｒteｄ: ＮewTypｅ：)转换图像类型Ｉmage : 要转化得图像ImageConｖertｅｄ: 输出,转化后得图像NewTｙpｅ:要转化得图像类型,详见Halcｏn得图像像素类型ｄeｐoｓe3（MuｌtiＣhannelImage ：Iｍage１, Ｉmａge2，Ｉmage3 ：：)把一个ＲGＢ图像转化为３个单通道得图像MultiChannｅｌＩｍａｇe:输入得多通道图像(应该就是３通道？）Image1, Iｍaｇe2, Image3：输出，转化后得单通道图像,1就是ｒed,2就是green，3就是ｂｌuergb1_ｔo_ｇrａy（RGBImage ：ＧｒayＩmａｇe ：: )把一张ＲGＢ图像转化为灰度图像RGBImａge：输入得RGＢ图像GrａyImage：输出，得到得灰度图像腐蚀膨胀ｇｅn_diｓｃ_se（: SＥ：Type，Widtｈ，Heighｔ, Smax ：）创建一个椭圆形结构元素，用于图像得腐蚀膨胀SE：输出,生成后得结构元素,图像类型Type：结构元素得图像像素类型，默认就是'byte’,可选:'byte’，’uiｎt２’,'real’,详见Haｌcｏｎ得图像像素类型ｇrａｙ_eｒosion（Image，ＳE : ＩmａgeErosioｎ：：）使用结构元素对图像做腐蚀操作（结构元素可以就是geｎ_ｄiｓc_se得输出）Imaｇe:要做腐蚀操作得图像SE：结构元素ImageEroｓioｎ：输出，腐蚀后得图像gｒay_dilation（Imagｅ，SE : IｍagｅDｉlatioｎ：：）使用结构元素对图像做膨胀操作(结构元素可以就是geｎ＿ｄisc＿se得输出）Ｉｍage：要做膨胀操作得图像SE：结构元素ImageＤｉlatioｎ：输出，膨胀后得图像区域处理部分基础操作ｔhreshold（Ｉmａgｅ: Ｒegｉon:MinＧｒaｙ，ＭａxGrａｙ: )将图像根据灰度值二值化Iｍａge:需要进行二值化得图像Regｉon：输出,二值化后得结果区域MinＧraｙ：最小灰度值,默认1２8ＭaｘＧraｙ：最大灰度值,默认25５,必须大于MinＧｒaｙcoｎnｅctiｏn(Regｉｏn ：CoｎnectｅｄRegionｓ：：）计算出区域中连接得部分Region:要计算得区域CｏｎｎectedRｅgioｎｓ:输出,计算后得Rｅｇｉoｎ数组，相连得部分将被划分为一个区域，会以不同颜色加以区分ｓeleｃt_shaｐｅ（Ｒeｇions :ＳｅleｃtedRegionｓ: Ｆeａtures，Ｏperａｔiｏn，Min, Maｘ：）从一个区域数组中选择出符合某特征条件得区域Ｒegｉons:输入得区域数组SｅlectｅdRｅｇioｎs:输出,选出得符合某些特征条件得区域数组Fｅaturｅs：条件特征,详见区域特征说明Ｏperatｉｏｎ:对于符合特征得区域得连接操作,可以就是Ａnｄ或者OrMiｎ:特征得最小值Ｍax:特征得最大值示例：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］) dｉsｐ＿reｇｉoｎ（Eｙes，WinｄｏwHandｌｅ)difｆｅrencｅ（Ｒｅgｉｏn，Suｂ: RｅｇionDiffｅｒeｎce :: ）计算两个区域得差Rｅgion：需要处理得区域Sub:被减去得区域RegioｎDiｆfｅrｅｎce:输出，计算后得结果.示例:* proｖｉｄｅｓtｈe regioｎＸwｉｔhｏuｔｔhe pointｓiｎYdiｆfeｒencｅ(X,Y，ＲegioｎDiffｅrｅnce)u: )Reg connectioｎ过得区域数组）Regｕnion２（Ｒegion1，Rｅｇioｎ２：RｅgｉoｎUnion : : ）把两个区域合并成一个区域Rｅｇiｏn1：要合并得第一个区域Regiｏn２：要合并得第二个区域RegionUnioｎ：输出，合并后得区域plｅmｅnt(Reｇion ：Reｇionｐlement ：：)计算一个区域得补(一般指全图像区域减去该区域）Ｒeｇioｎ：要计算得区域Ｒegiｏnｐleｍenｔ：输出,计算后得区域阈值分割ｔｈrｅｓｈｏｌd(Image ：Regiｏｎ：MｉnＧray, MaｘGrａy：)详见：ｔhresｈolｄauｔo＿thresｈold（Iｍage ：Reｇions : Sigmａ：）自动阈值分割bin_ｔhｒｅshoｌｄ(Iｍage ：Regiｏn ：: )用于提取背景为白色,且前后北京较为分明;自动选取sigma值进行告诉光滑处理，光滑直到只有一个最小值；例如提取白纸黑字，可以用此算子;mａｇe ：输入得图像Rｅgion：输出，分割后得区域chａｒ_tｈreｓｈoｌｄ（Image,HistoRegion : Chａrａcte ｒs ：Sｉgma, Percｅｎｔ：Thｒeshold）阈值分割提取字符Ｉmagｅ：输入得图像HiｓtｏRegion ：要提取字符所在得区域Cｈarａｃｔers ：输出，提取得到得字符区域Sigｍa:高斯光滑因子Ｐercｅnｔ：灰度直方图中得灰度值差得百分比Threshｏld:得到得用于阈值处理得阈值示例：ｒｅad＿imａge（Image, 'ｌｅtｔeｒs’)cｈａr_threｓｈolｄ（Ｉmagｅ，Imaｇｅ，Seg,０、0，5、0, Thｒeshｏld)cｏｎnection （Seg，Conｎeｃted）dｕal_ｔｈｒesｈｏlｄ(Ｉmage ：RｅｇｉｏｎCｒｏsｓings ：MinＳize，ＭinGｒay，Threshoｌd : )应用于分隔符号图像得阈值处理。

通常伴随着如Diff_of_gａuｓs，sub＿iｍaｇｅ等这样得算子使用;就像前后两帧做差得到图像（差帧法）,像素值有正值有负值。

Imａgｅ：输入得图像ＲegｉoｎCrossｉｎｇs ：输出，获得得区域MｉnＳizｅ：输出得区域得最小面积MiｎGｒay: 区域得最小灰度绝对值Ｔhreshold：分割值腐蚀膨胀eroｓion_cｉrｃle（Regioｎ：ＲegioｎＥroｓion ：Radi ｕｓ:)使用圆心结构元素对图像做腐蚀操作Rｅgion:要做腐蚀操作得区域(也可以就是区域数组）ＲｅｇionＤilation:输出，腐蚀后得区域(或区域数组）Radius：腐蚀操作得圆形结构得半径ｄilatioｎ_ciｒcｌe(Ｒegiｏｎ：ＲegｉonDilａｔion：Radiuｓ: )使用圆形结构对区域做膨胀操作Regioｎ：要做膨胀操作得区域（也可以就是区域数组）RegionＤilation:输出,膨胀后得区域（或区域数组）Rａｄius:膨胀操作得圆形结构得半径ｅrｏsiｏn_rectanｇｌe1(Region ：ＲegiｏｎEｒosiｏn : Widｔｈ，Heigｈt ：)使用矩形结构元素对图像做腐蚀操作Region:要做腐蚀操作得区域（也可以就是区域数组）RegｉonDｉlatｉoｎ:输出，腐蚀后得区域(或区域数组）Ｗiｄth,Heiｇhｔ:腐蚀操作得矩形结构得宽与高dｉlatｉｏｎ_reｃｔaｎｇle１（Rｅgion ：RｅgiｏｎDilａtion : Ｗidth，Height : ）使用矩形结构元素对图像做膨胀操作Regｉoｎ：要做腐蚀操作得区域（也可以就是区域数组)ＲegioｎDilation:输出，膨胀后得区域（或区域数组）Widtｈ，Hｅight：膨胀操作得矩形结构得宽与高生成区域gen_ｒectaｎgｌe2( ：Rectangle :Ｒow,Cｏlumｎ，P ｈi，Lengｔh１,Lengtｈ2:）生成与坐标成任意角度得矩形Rectangle ：输出，生成后得矩形Row,Coluｍｎ：用于生成得矩形得中心坐标Phi:生成矩形与水平轴得角度,以弧度为单位Lengtｈ１, Lenｇth2 :生成矩形得长宽得一半亚像素轮廓(ＸLD）部分基础操作ｔhresholｄ_sｕb＿pix（Ｉmage ：Bｏｒdｅr ：Thｒｅs ｈｏｌｄ:）提取图像得XLDIｍagｅ:要提取ｘld得图像（单通道，如果为多通道只提取第一通道)Bｏｒder:输出，得到得XLDThreｓhold:提取ＸＬD得阈值，灰度值以阈值为分界提取XＬDgeｎ＿contour＿ｒegion_xｌd（Reｇions ：Contoｕrｓ: Modｅ: ）从区域(区域数组）生成亚像素轮廓Regioｎs：要生成亚像素轮廓得区域（或区域数组）Conｔours：输出,生成后得亚像素轮廓Mｏde:生成方式，默认’bordｅｒ'，可输入范围区域:＇bordｅr＇，'bｏｒｄer＿holes＇，'cen ｔｅr’ｓelect_ｓhape_xld(XLD :SeｌeｃｔeｄＸLD :Fｅａｔｕreｓ, Ｏｐerａtion, Min,Max ：)选择特定形状特征要求得ＸLD轮廓或多边形ＸLD:输入,要提取得ＸLDSelｅｃtｅｄXLD：输出，提取得到得ＸLDFeaｔures：提取XＬD得特征依据，默认为’area’，详见特征依据说明Oｐｅration:特征之间得逻辑关系,默认’ａｎd'Min，Mａx:特征值得要求范围sｅlect＿ｃｏntｏuｒs_ｘld（Ｃｏntours：SeｌectｅdContouｒs :Ｆeaｔｕre, Mｉn１, Max1, Min２，Ｍａx ２：)选择多种特征要求得XLＤ轮廓（如长度开闭等,不支持多边形)Conｔouｒs:要提取得XLＤ轮廓ＳelectｅdCoｎtｏurs：输出，提取得到得XＬＤ轮廓Featｕre:提取得特征依据，详见特征依据说明Min１，Mａx,Ｍin2，Mａx2:特征值得要求范围areａ_ceｎｔｅｒ_ｘld（XＬD :：: Area, Roｗ, Column, ＰointOrdｅr）获取封闭得亚像素轮廓（或轮廓数组)得面积与重心坐标XLD：输入得亚像素轮廓（或轮廓数组)Ａrea:输出，亚像素轮廓得面积Row:输出，轮廓得重心得ｒoｗ坐标Coｌumn:输出，轮廓得重心得coluｍｎ坐标PｏiｎｔOrder：输出,沿边界点顺序，正向或者反向转换操作sｈape_ｔrａｎs_ｘld（XLD：XLDTｒans ：Tyｐe: )将目标轮廓（或轮廓数组)转化成其她形状XLD:要转化得XLD（或XLＤ数组）XＬＤTrans:输出,转化后得XLD(或数组）Type:转化得类型,默认'cｏnvex＇,详见XLD轮廓得转化类型说明分割segｍent_ｃontｏurｓ_xld(Ｃｏnｔｏuｒs:ＣoｎtoursSpｌit: Modｅ, ＳmootｈCoｎt，MaxＬinｅDｉsｔ１, MaxLineＤist2 : )把原XLＤ分割成：“直线"，“直线与圆"，“直线与椭圆”Ｃonｔours：需要被分割得轮廓(或数组)ContoｕrsSplit:输出，分割后得轮廓数组Moｄe:分割模式，默认liｎｅs_ｃircｌeｓ,可选’liｎｅs', 'lｉnes_cｉrcles’，’lｉnes_ｅllipse ｓ’SmootｈCont:用于平滑轮廓得点数量ＭaxＬinｅDｉst1：轮廓到近似线得最大距离(第一次迭代）MaxＬineＤｉsｔ２:轮廓到近似线得最大距离(第二次迭代）拟合操作(未完）ｆｉt_line＿cｏｎtｏur_xｌd（Coｎtｏurｓ：：Ａlｇｏriｔhm，MaxNumPoiｎｔs,ClipｐｉngEndPｏints，Ｉteratioｎs，ClippingFactor : RowBegin，ColBｅgiｎ，Ro ｗEnd,ColEnd，Ｎｒ，Nc, Dist）根据已知轮廓拟合直线,获得得就是直线得参数Conｔouｒs：输入得轮廓Alｇoritｈm：拟合算法,默认ｔukｅy,可选＇ｒegressiｏｎ’，’hｕber'，'ｔukey＇,'ｇaｕss', ’drop'，详见轮廓拟合算法说明轮廓拟合算法说明MaxNumＰoinｔs:用于计算得轮廓点得最大数目（－1为所有点）,默认—1ClｉppｉngEｎdPoints:起始与结尾上忽略得点数，默认0Ｉtｅｒationｓ：迭代最大次数（不用于回归?）ClｉpｐinｇFactor:离群值得剪切因子，值越小忽略得离群值越多ＲowBｅｇin,ColBegｉn：拟合后得到得直线开始点坐标RowEｎd，CｏlEnｄ：拟合后得到得直线结束点坐标Nr，Nc：直线得法向量Diｓt：原点到直线得距离fｉｔ_ｃiｒclｅ＿ｃontｏur＿xld(Contｏurs : ：Algoｒithm，MａxNｕmPoiｎts, MaxＣlosuｒeDist，Cｌipping ＥｎdPoｉｎts, Iｔｅraｔiｏｎｓ，ClippiｎgＦacｔoｒ：Ｒｏｗ, Coｌumn，Radius, StarｔPhi, ＥｎｄPhi，Poｉnt Ｏrdｅr）根据已知轮廓来拟合圆，并获得圆参数Cｏntｏurs：输入得轮廓Alｇorithm：拟合算法，默认algebraic，可选' ’algeｂｒaic', 'ａhuber＇，’aｔukｅｙ＇，＇geometric'，'gｅohuber'，’geotukｅｙ'，详见轮廓拟合算法说明轮廓拟合算法说明MaxＮumPoints：用于计算得轮廓点得最大数目（-1为所有点）,默认－1ＭaxClosureDisｔ：小于这个值被认为就是轮廓封闭得，区分拟合圆与圆弧CliｐpｉngEndPｏｉｎtｓ：轮廓开始点与结束点参加与拟合点得个数（起始与结尾上忽略得点数？)，默认0Iteratｉonｓ：迭代次数ＣｌｉpｐｉｎｇFactｏr：离群值得剪切因子，值越小忽略得离群值越多Rｏｗ，Ｃolumn：圆心坐标Radiuｓ:圆半径SｔaｒｔPhi, ＥｎdPhi：圆弧开始角度，结束角度PｏiｎtOｒdｅr：边界点得次序fit_ｅllipse_contour_xlｄ(Cｏntourｓ：:Ａｌgorｉｔhm, MａｘNumＰoinｔs,MaxClosuｒｅDist, ＣlippingＥndPｏinｔs, VｏssTaｂSize，Ｉteｒａｔions,CｌiｐｐingFactor : Row，Coｌumn，Phi, Rａｄiｕs1，Ｒadius２,SｔartPhi, ＥndPhi，PoｉntOｒder)拟合椭圆fｉｔ_rｅctanｇlｅ2＿coｎtour_xlｄ(Conｔoｕrs : : Ａlgoｒithm，ＭaxNｕmPoints，MａxＣlｏsureＤiｓt，ＣlipｐingEnｄPｏｉntｓ，Ｉｔerations，CliｐpingFａｃtoｒ: Row，Cｏlumn，Phi，Lenｇｔｈ1，Lｅngth２,Poi ｎtOrdeｒ）拟合矩形测量基础操作gｅn＿meaｓure＿ｒectaｎgle2( ：：Ｒow，Column，Phi，Leｎgｔh1，Lenｇtｈ2，Ｗiｄｔh，Hｅighｔ, Int ｅrpolaｔion ：MeasｕreHａｎｄle）创建一个任意方向得矩形测量句柄（区域）Roｗ，Cｏｌumn：矩形中心点坐标Phｉ：矩形主轴方向与水平轴夹角Leｎgth1：矩形宽度一半Lengtｈ2:矩形高度一半Wiｄth，Height：处理图像得宽,高Iｎtｅｒpolａtiｏn:插值方法MｅasureＨandle:测量句柄附:Halcｏｎ得图像像素类型Halcon中得像素类型有如下(首字母应当为小写）：Int1Inｔ2Uiｎt2Ｉnt4Iｎt8Byｔe：最常见得灰度图像，8位，一个字节，0～255RealDirｅctｉonCycｌicpｌex特征依据说明以下就是一些可选得条件特征说明（代码中首字母应该为小写)：Ａrｅa:区域大小,应该就是以像素为单位Ｒow：区域中心得ｒｏw坐标Column：区域中心得colｕmｎ坐标Width:区域得宽度Heｉghｔ：区域得高度Ｒow１：区域得起始rｏw坐标（顶部)Columｎ1：区域得起始ｃoｌumn坐标(左侧）Row2：区域得最终rｏw坐标（底部）Colｕｍn2:区域得最终column坐标(右侧)Cirｃuｌarity：区域得圆度pａcｔness：区域得紧密度Contleｎgth:区域外轮廓得总长度Convｅxity：区域得凸性Rectangularitｙ:区域得垂直度Ｒa:等效椭圆得长轴半径Rb:等效椭圆得短轴半径Phi:等效椭圆得方向Aｎisoｍeｔry：椭圆参数，Rａ/Rｂ长轴与短轴得比值Bulkiness：椭圆参数，蓬松度π*Ra＊Rb/Astｒuct_faｃtor：椭圆参数，Anisｏmｅtｒy*Bulkineｓｓ－1ouｔｅr_radius:最小外接圆半径innｅr＿rａdius:最大内接圆半径ｉｎｎer_wｉdth：最大内接矩形宽度inner_heiｇｈt：最大内接矩形高度dist＿meaｎ:区域边界到中心得平均距离dist_ｄevｉation：区域边界到中心距离得偏差roundneｓs：圆度,与ciｒcularｉty计算方法不同ﻩｎum_ｓiｄｅs：多边形边数connect_nuｍ:连通数ﻩhoｌeｓ_nｕｍ:区域内洞数aｒea_hoｌｅｓ：所有洞得面积max_diaｍｅteｒ:最大直径ﻩoｒienｔate:区域方向ﻩeuler＿ｎumber：欧拉数,即连通数与洞数得差ﻩrecｔ2_ｐｈi：最小外接矩形得方向rｅcｔ２_len1:最小外接矩形长度得一半？？rect2_len2：最小外接矩形宽度得一半ﻩmoｍｅｎtｓ_m11：几何矩ﻩｍomｅｎts_m20：几何矩momｅｎｔｓ_m０２：几何矩ｍoments_ia：几何矩ｍoｍentｓ_iｂ：几何矩ﻩmomeｎｔs＿m11_ｉnvar：几何矩ﻩmoｍents_m２0_iｎｖaｒ：几何矩ﻩmｏｍeｎts_m02_invａr:几何矩ﻩｍoｍents_ｐhi1：几何矩mｏmｅnｔs_pｈi2：几何矩ｍomeｎｔｓ＿m２1:几何矩ﻩmomｅｎts_m１2：几何矩moments_m03：几何矩momｅnｔs_m30:几何矩ﻩmomentｓ_m21_iｎｖａr:几何矩momｅｎｔｓ_m1２_invａｒ：几何矩momentｓ_m03＿invａr：几何矩ﻩｍoｍｅｎts_ｍ30＿invar:几何矩ｍoｍeｎts＿i1：几何矩ﻩmomentｓ_i2：几何矩momeｎｔs_i3：几何矩ﻩmoｍentｓ_ｉ4:几何矩momentｓ＿psi１:几何矩ﻩmoｍenｔｓ_psi2：几何矩mｏments_ｐsi3:几何矩momｅnts_psi4：几何矩区域得xld生成方式说明borｄｅr：边界像素得外边框将被用来生成边界border＿holｅｓ：除了外边界,还包含内边界centeｒ：边界像素得中心将被用来生成边界XLＤ轮廓得转化类型说明Coｎveｘ：凸壳（貌似就是去除表面凹处）Ellipｓe：最小外接椭圆ｏuter＿cｉｒcle：最小外接圆ｒeｃtangｌe1:最小外接矩形,长宽会与坐标轴平行ｒｅctaｎglｅ2：最小外接矩形,长宽角度与坐标轴无关轮廓拟合算法说明拟合直线Reｇrｅｓsiｏn：Huber：Ｔｕｋｅy:Gausｓ：Drop:拟合圆Algebｒaiｃ：Ａhubｅｒ：Atuｋey：Geomｅtｒiｃ：Geohuｂｅr：Geoｔukey：。

合集下载

halcon 中do_ocv_simple算子理解

halcon 中do_ocv_simple算子理解

一、介绍Halcon是一款强大的机器视觉软件，其内置了丰富的算子用于图像处理和分析。

其中，do_ocv_simple算子是Halcon中常用的一个算子，用于进行简单的光学字符识别（OCR）任务。

本文将针对这一算子进行深入的理解和探讨，以帮助读者更好地掌握Halcon软件的应用。

二、算子原理1. do_ocv_simple算子是基于Halcon内置的光学字符识别引擎（OCR）实现的。

其原理是通过对输入的图像进行预处理，然后使用OCR引擎对图像中的字符进行识别，并返回识别结果。

2. 在进行字符识别之前，通常需要对原始图像进行一系列的预处理操作，例如图像灰度化、去噪、字符分割等。

这些预处理操作可以提高字符识别的准确性和鲁棒性。

3. do_ocv_simple算子支持对单个字符或者多个字符的识别，用户可以根据实际需求设置参数进行调整。

三、使用方法1. 在使用do_ocv_simple算子进行字符识别时，首先需要加载需要处理的图像，并进行必要的预处理操作。

可以使用Halcon中的preprocessing算子对图像进行灰度化、去噪等处理。

2. 接下来，可以调用do_ocv_simple算子对预处理后的图像进行字符识别。

在调用该算子时，需要指定相应的参数，例如字符的位置、字符的大小、识别的字符集等。

3. 根据算子的返回结果，可以进一步处理识别到的字符，例如进行后续的数据分析、记录统计等。

也可以根据识别结果对图像进行标记或者其他可视化操作。

四、注意事项1. 在使用do_ocv_simple算子进行字符识别时，需要根据实际情况选择合适的参数，以确保识别的准确性和稳定性。

2. 对于不同类型的文本和背景，可能需要调整预处理操作的参数，以适应不同的场景和要求。

在实际使用中，需要不断尝试和调整，以获得最佳的识别效果。

3. 还需要注意算子的性能和运行效率，尤其是在处理大规模图像和复杂场景时，需要合理优化算法和参数，以保证处理速度和准确性。

halcon提取圆的算子

halcon提取圆的算子

halcon提取圆的算子摘要：1.引言2.Halcon提取圆的算子介绍3.提取圆的基本步骤4.实际应用案例5.总结正文：Halcon是一种常用的机器视觉开发软件，它提供了丰富的图像处理和分析功能。

在Halcon中，提取圆是一种常见的操作，可以通过特定的算子来实现。

本文将详细介绍Halcon提取圆的算子及其应用。

一、Halcon提取圆的算子介绍在Halcon中，有多个用于提取圆的算子，主要包括：1.圆检测（Circle Detection）2.圆拟合（Circle Fitting）3.圆测量（Circle Measurement）1.圆检测（Circle Detection）圆检测算子用于检测图像中的圆形物体。

它根据一定的准则判断图像中的像素是否构成一个圆形，并将满足条件的像素集合作为圆的边界。

常用的圆检测算子有：- Circle Hough- Circle Template- Circle Edge2.圆拟合（Circle Fitting）圆拟合算子用于根据圆的边界像素计算圆心和半径。

常用的圆拟合算子有：- Circle Center- Circle Radius3.圆测量（Circle Measurement）圆测量算子用于测量圆的面积、周长等参数。

常用的圆测量算子有：- Circle Area- Circle Circumference二、提取圆的基本步骤使用Halcon提取圆的基本步骤如下：1.读取图像并进行预处理，如灰度化、滤波等2.选择合适的圆检测算子检测圆形物体3.对检测到的圆形进行圆拟合，计算圆心和半径4.根据需要，使用圆测量算子测量圆的面积、周长等参数三、实际应用案例以下是一个使用Halcon提取圆的实际应用案例：假设有一个摄像头拍摄的图像，其中包含多个硬币。

我们需要检测这些硬币并计算它们的直径。

1.读取图像并进行预处理，如灰度化、滤波等2.使用Circle Detection算子检测图像中的圆形物体3.对于检测到的每个圆形，使用Circle Fitting算子计算圆心和半径4.根据圆的半径计算硬币的直径5.输出硬币的直径四、总结Halcon提供了丰富的圆提取算子，可以满足不同场景下的需求。

halcon算子较全的中文手册

halcon算子较全的中文手册

1. Halcon算子概述Halcon是一种强大的机器视觉软件，它由MVTec开发，可用于各种工业和非工业应用。

在Halcon中，算子是至关重要的组成部分，它们可以实现图像处理中的各种功能，如滤波、边缘检测、特征提取等。

本文将以算子作为主题，深入探讨Halcon算子的各种特性和用法。

2. Halcon算子的分类Halcon算子可以分为预处理算子、过滤算子、分割算子、匹配算子、测量算子等多个类别。

每个类别都包含了众多的算子，它们可以根据图像处理任务的不同需求进行灵活组合和调用。

3. Halcon算子的特性Halcon算子具有许多独特的特性，如多样的输入输出形式、灵活的参数设置、高效的运算速度等。

这些特性使得Halcon算子在图像处理领域得到广泛应用，并受到了众多工程师和科研人员的喜爱。

4. Halcon算子的使用技巧在使用Halcon算子时，熟练掌握一些技巧和经验是非常重要的。

合理设置算子的参数、选择适当的算法、理解算子的内部原理等，都可以帮助我们更好地使用Halcon算子，提高图像处理的效率和准确性。

通过一些典型的应用案例，我们可以深入了解Halcon算子的实际应用。

这些案例涵盖了工业质检、医疗影像、无人驾驶、智能制造等多个领域，展示了Halcon算子的强大功能和广泛适用性。

6. 我对Halcon算子的个人理解作为一名Halcon用户，我对Halcon算子有着深刻的认识和体会。

我认为Halcon算子不仅仅是图像处理的工具，更是一种思维方式和解决问题的哲学。

通过深入学习和使用Halcon算子，我对图像处理和机器视觉有了全新的认识和理解。

总结与回顾通过本文的全面介绍和深度探讨，我们对Halcon算子有了更加全面和深入的了解。

从算子的分类到使用技巧，再到实际案例分析，我们逐步领略了Halcon算子的强大功能和潜力。

我相信，在今后的工作和研究中，我们可以更好地运用Halcon算子，为图像处理和机器视觉领域的发展做出更大的贡献。

halcon常用算子原理

halcon常用算子原理

halcon常用算子原理Halcon是一款常用的机器视觉编程软件，拥有丰富的算子库。

算子是Halcon中用于实现图像处理和分析的基本操作单元，通过对图像进行各种算子操作，可以提取出感兴趣的特征信息，实现目标检测、图像匹配、测量等功能。

本文将介绍Halcon常用算子的原理和使用方法。

一、算子的基本概念算子是Halcon中的一个核心概念，它是一种用于对图像进行操作和处理的函数。

算子可以接受一个或多个输入参数，并根据这些参数对输入图像进行处理，生成输出结果。

Halcon提供了丰富的算子库，包括图像预处理、特征提取、形状分析、匹配等各个方面的算子，用户可以根据需要选择合适的算子进行组合使用。

二、算子的分类根据功能和用途的不同，Halcon中的算子可以分为以下几类：1. 图像预处理算子：用于对输入图像进行去噪、平滑、增强等预处理操作，以提高后续处理的效果。

2. 特征提取算子：用于从输入图像中提取出感兴趣的特征信息，如边缘、角点、直线、圆等。

3. 形状分析算子：用于对输入图像中的目标进行形状分析，如面积、周长、矩形度等。

4. 目标检测算子：用于在输入图像中检测目标的位置和姿态，如模板匹配、形状匹配、边缘匹配等。

5. 图像匹配算子：用于对输入图像进行模板匹配，找出与模板相似的目标。

6. 测量算子：用于对输入图像中的目标进行测量，如距离、角度、直径等。

三、算子的使用方法在Halcon中使用算子非常简单，只需按照以下步骤进行操作：1. 加载图像：使用read_image算子加载输入图像。

2. 预处理图像：根据需要使用不同的预处理算子对图像进行预处理，如smooth_image、reduce_noise等。

3. 提取特征：根据需要使用不同的特征提取算子对图像进行特征提取，如edges_image、threshold等。

4. 分析形状：根据需要使用不同的形状分析算子对目标进行形状分析，如area_center、orientation等。