一、一维测量 基本流程： 1.采集图像 2.产生测量矩形或弧形 gen_measure_rectangle(); gen_measure_arc(); 3.测量： measure_pos();边缘测量 measure_pairs();测量对 4.关闭测量:close_measure();

常用算子参数说明： gen_measure_rectangle2 (Row, Column, Angle, Length1, Length2, Width, Height, ‘bilinear’, MeasureHandle) 参数1：矩形中心的行坐标 参数2：矩形中心的列坐标 参数3：角度 参数4：矩形的半宽 参数5：矩形的半高 参数6：图像的宽 参数7：图像的高 参数8：插值算法 参数9：测量句柄

gen_measure_arc( : : CenterRow, CenterCol, Radius, AngleStart, AngleExtent, AnnulusRadius, Width, Height, Interpolation : MeasureHandle) 参数1：圆弧中心的行坐标 参数2：圆弧中心的列坐标 参数3：半径 参数4：起始角度 参数5：角度范围 参数6：环形带的半径（宽度的一半） 参数7：图像的宽度 参数8：图像的高 参数9：插值方式 参数10：测量对象句柄

measure_pairs(Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance) 参数1：图像 参数2：测量句柄 参数3：平滑系数 参数4：阈值（用于提取边缘） 参数5：角度范围极性（边缘对第一个边缘的极性，两个边缘的极性相反）。取值范围： ‘all’, ‘all_strongest’, ‘negative’, ‘negative_strongest’, ‘positive’, ‘positive_stronge st’，缺省值：‘all’。 参数6：选择边缘点。取值范围：‘all’（选择所有边缘对），‘first’（第一个边缘 对），‘last’（最后一个边缘对）。 参数7：边缘点对的第一个边缘的中心 行 坐标。 参数8：边缘点对的第一个边缘的中心 列 坐标。 参数9：边缘点对的第一个边缘的幅度（带符号）。 参数10：边缘点对的最后一个边缘的中心 行 坐标。 参数11：边缘点对的最后一个边缘的中心 列 坐标。 参数12：边缘点对的第二个边缘的幅度（带符号） 参数13：边缘对中两个边缘间的距离。 参数14：相邻边缘对之间的距离

measure_pos(Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdge, ColumnEdge, Amplitude, Distance) 参数1：图像 参数2：测量句柄 参数3：高斯平滑参数。值越大越平滑，缺省值：1。 参数4：最小边缘幅度（灰度值）。值越小，获取的边缘线越多。 参数5：极性（白到黑，或黑到白）。取值范围：‘all’(所有极性)， ‘positive’ （正极性，黑到白），‘negative’（负极性）。 参数6：选择边缘点。取值范围：‘all’（选择所有边缘对），‘first’（第一个边缘 对），‘last’（最后一个边缘对）。 参数7：边缘中心的 行 坐标。 参数8：边缘中心的 列 坐标。 参数9：边缘幅度（灰度值，边缘微分波形振幅，带符号）。 参数10：相邻边缘之间的距离。

二、二维测量和拟合 实现基本流程 1.采集图像 2.预处理（ROI、拉开对比度、去噪、仿射变换） 3.边缘提取（边缘幅度、一阶倒数） 4.边缘轮廓的筛选、分割、联合 5.拟合（最小二乘法） 6.标定计算 7.显示

2.1边缘提取的方式 方式1：edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : ) 提取图像精确边缘 (精确边缘就是亚像素边缘) Image: 输入图像 Edges： 输出边缘轮廓 Filter： 边缘提取算法的名称 (canny，lanser1，'sobel_fast’等算法 ) Alpha： 平滑系数，越小越平滑（除canny外，其越大越平滑） Low： 低阈值 High： 高阈值 注意canny算法求导方式： 1.高斯平滑滤波（加权均值滤波）在正态分布，离中心越近其权重越大 2.Sobel求梯度（向量，函数上升最快方向） 3.非极大值抑制（极大值为局部最大值，相当与导数处） 4.高低阈值，双阈值处理【20，60】，低于低阈值就去掉，高于高阈值就提取，中间阈值看领域，领域有提取点才接受。

方式2：shape_trans_xld(XLD : XLDTrans : Type : )

方式3：threshold_sub_pix(Image : Border : Threshold : )

2.2分割轮廓 segment_contours_xld(Contours : ContoursSplit : Mode, SmoothCont, MaxLineDist1, MaxLineDist2 : ) 参数说明： Contours 需要进行分割的轮廓。 ContoursSplit 分割后的轮廓tuple。 Mode 分割轮廓的方式，可以选择’lines’（使用直线段分割）, ‘lines_circles’（使用直线段和圆（弧）分割）, ‘lines_ellipses’（使用直线段和椭圆弧分割）。 SmoothCont 轮廓平滑的参数，可以抑制在折线逼近过程中过短的线段，能更加鲁棒的逼近圆和椭圆。 MaxLineDist1 第一次用Ramer算法（即用直线段递进逼近轮廓）时的MaxLineDist，在逼近完成之后，再用圆弧或椭圆弧对相邻分割线段进行拟合，如果拟合圆弧到轮廓的距离小于逼近线段到轮廓的距离，就用圆弧替代逼近线段，这个过程一致迭代直到所有的线段拟合完毕。 MaxLineDist2 第二次逼近轮廓时的MaxLineDist，只有当MaxLineDist2 这种两步逼近算法效率较高，因为在第一次逼近过程中，递进逼近的直线段较少，因此较大直径的圆弧能够被高效的分割出来。在第二次逼近过程中，能够被小直径圆弧逼近的轮廓被找到，同时大直径圆弧的末端被重新定义。

Remark： 分割得到的轮廓是直线段、圆（圆弧）或者椭圆弧可以通过分割后轮廓的全局属性’cont_approx’参数的值来确定（参考get_contour_global_attrib_xld)。 如果’cont_approx’=-1，这一部分轮廓最适合被拟合为直线段。 如果’cont_approx’=0，这一部分轮廓最适合被拟合为椭圆弧。 如果’cont_approx’=1，这一部分轮廓最适合被拟合为圆弧。

2.3筛选轮廓 方式1：select_shape_xld(XLD:SelectedXLD:Features,Operation,Min,Max:) XLD：要提取的XLD SelectedXLD：提取到的XLD Features：提取XLD的特征依据 Operation：特征之间的逻辑关系（and or) Min，Max：特征值的要求范围

方式2：select_Contours_xld(Contours:SelectedContours:Features,Min,Max,Min2,Max2:) 作用：选择多种特征要求的XLD轮廓 （如长度 开闭 方向 等特征，不支持多边形） Contours：要提取的XLD轮廓 SelectedContours：提取到的XLD轮廓 Features：提取XLD轮廓的依据（筛选） Min,Max,Min2,Max2：特征值的范围

2.4拟合 常用拟合算子： fit_line_contour_xld：拟合直线 fit_circle_contour_xld:拟合圆 fit_ellipse_contour_xld：拟合椭圆 fit_retangle2_contour_xld：拟合矩形

算子详解： 1.fit_circle_contour_xld(Contours:: Algorithm, MaxNumPoints, MaxClosureDist,ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi,PointOrder)

参数： Contours 【in】：输入 XLD 轮廓。 Algorithm 【 in 】 : 拟 合 圆 的 算 法 。 取 值 范 围 ： ‘ahuber’, ‘algebraic’, ‘atukey’, ‘geohuber’, ‘geometric’, ‘geotukey’ ， ‘algebraic’：这种方法使轮廓点和拟合得到的圆之间的代数距离最小。 ‘geometric’：这种方法使轮廓点和拟合得到的圆之间的几何距离最 小，耗时多。 MaxNumPoints【in】：拟合圆计算的最大轮廓点数。缺省值：-1，表示使用所有点。 MaxClosureDist【in】：轮廓端点之间的最大距离。当轮廓点之间的距离小于该值时，认为 轮廓时闭合的。 ClippingEndPoints【in】：拟合时忽略的起始轮廓点和终止轮廓点的数量。 Iterations【in】：加权拟合的最大迭代次数。缺省值：3。 ClippingFactor 【in】：消除异常点的裁剪因子。控制抑制异常点的数量：值越小，检测 的异常点越多，（典型值：Huber 设置为 1.0，Tukey 设置为 2.0）。 Row【out】：圆心 Y 坐标。 Column【out】：圆心 X 坐标。 Radius【out】：圆的半径。 StartPhi【out】：起始角度。（单位：弧度） EndPhi【out】：终止角度。（单位：弧度） PointOrder【out】:边界点顺序。取值范围：‘positive’(顺时针)，‘negative’(逆 时针)。

.fit_line_contour_xld(Contours : : Algorithm, MaxNumPoints, Clippin gEndPoints, Iterations,ClippingFactor : RowBeg in, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) 功能：根据 XLD 拟合直线段。 参数： Contours 【in】：输入轮廓。 Algorithm【in】:拟合直线算法选择。取值范围： ‘drop’, ‘gauss’, ‘huber’, ‘regression’, ‘tukey’， 缺省值：‘tukey’。 MaxNumPoints【in】:拟合直线计算的最大轮廓点数。缺省值：-1，表示使用所有点。 ClippingEndPoints【in】:拟合时忽略的起始点轮廓点和终止轮廓点的数量。 Iterations【in】：加权拟合的最大迭代次数。缺省值：5。 ClippingFactor 【in】：消除异常点的裁剪因子。控制抑制异常点的数量：值越小，检测 的异常点越多，（典型值：Huber 设置为 1.0，Tukey 设置为 2.0）。 RowBegin【out】:直线段起点 Y 坐标。 ColBegin【out】：直线段起点 X 坐标。 RowEnd【out】：直线段终点 Y 坐标。 ColEnd【out】：直线段终点 X 坐标。 Nr【out】:直线参数：法向量 Y 坐标。 Nc【out】：直线参数：法向量 X 坐标。 Dist【out】：直线参数：原点到直线的距离。

XLD的合并操作算子： union_collinear_contours_xld：合并在同一直线的XLD union_cocircular_contours_xld：合并在同圆的XLD union_adjacent_contours_xld：合并邻近的XLD

轮廓特征计算： (1).计算长度：length_xld(XLD : : : Length) (2).计算xld的面积和中心位置：area_center_xld（XLD:::Area,Row,Column,PointOrder) (3).计算xld的面积和重心位置area_center_points_xld(XLD : : : Area, Row, Column)

生成XLD算子： (1).gen_contour_region_xld(Regions : Contours : Mode : ) 功能:根据区域创建 XLD 轮廓。 (2).gen_contour_polygon_xld( : Contour : Row, Col : ) 功能：生成一个多边形轮廓。 (3).gen_circle_contour_xld( : ContCircle : Row, Column, Radius, StartPhi, EndPhi, PointOrder,Resolution : ) 功能：生成圆弧或圆 XLD 轮廓。 (4).gen_cross_contour_xld( : Cross : Row, Col, Size, Angle : ) 功能：在指定点生成一个十字状轮廓。 (5).union_adjacent_contours_xld(Contours : UnionContours : MaxDistAbs, MaxDistRel, Mode : ) 功能：黏合最邻近的轮廓。 (6).union_cocircular_contours_xld(Contours : UnionContours : MaxArcAng leDiff, MaxArcOverlap,MaxTangentAngle, MaxDist, MaxRadiusDiff , MaxCenterDist, MergeSmallContours, Iterations : ) 功能：黏合圆。 (7).union_collinear_contours_xld(Contours : UnionContours : MaxDistAbs, MaxDistRel, MaxShift,MaxAngle, Mode : ) 功能：黏合直线。 (8).sort_contours_xld(Contours : SortedContours : SortMode, Order, RowOrCol : ) 功能：根据轮廓的相对位置，对轮廓进行排序。

三、卡尺 实现基本流程：

*1.创建卡尺模型 create_metrology_model (MetrologyHandle) *2.设置图像宽高 set_metrology_model_image_size (MetrologyHandle, Width, Height) *3.添加卡尺（类型：直线、矩形，圆形、椭圆） add_metrology_object_line_measure (MetrologyHandle, RowBegins, ColumsBegins, RowEnds, ColumsEnds, 20, 10, 1, 40, [], [], Index1) *4设置参考位置 set_metrology_model_param(MetrologyHandle, ‘reference_system’, [Rows[0],Columns[0],0]) *5.定位（算子内做仿射变换） align_metrology_model (MetrologyHandle, Rows1[0], Columns1[0], 0) *6.测量 apply_metrology_model (Image, MetrologyHandle) *7.获取中间结果 get_metrology_object_result (MetrologyHandle, ‘all’, ‘all’, ‘result_type’, ‘all_param’, Parameter) *获取结果轮廓 get_metrology_object_result_contour (Contour, MetrologyHandle, ‘all’, ‘all’, 1.5) //1.5为相邻两点的距离 *获得测量矩形和点 get_metrology_object_measures (Contours, MetrologyHandle, ‘all’, ‘all’, Row, Column) *清除卡尺模型句柄 clear_metrology_model (MetrologyHandle)