6、Halcon图像边缘提取和轮廓识别 |
您所在的位置:网站首页 › halcon绘制圆环roi › 6、Halcon图像边缘提取和轮廓识别 |
目录 1、图像边缘提取原理 2、边缘提取算子介绍 3、图像的亚像素边缘提取 4、亚像素轮廓的特征分析 5、xld的分割及直线拟合 6、圆及椭圆的拟合 7、中心线的提取 1、图像边缘提取原理网上搜索图像边缘提取,有很多详细的讲解,就是讲的都太深奥,很难看明白。图像边缘提取原理并不复杂,至于一些大牛提供的复杂变换公式,也没必要深入的去研究,halcon都已经在算子中将其封装好了,我们会用就行。 边缘的定义:边缘是图像中灰度发生明显变化的地方,是不同灰度区域之间的界限。 图像的每个像素点的灰度值用矩阵来表示,那么画竖线的位置就是边缘界限。 那么如何进行图像边缘的提取呢?采用掩模的方式,在图像矩阵上进行移动,然后利用掩模内的掩模值进行计算,进而实现边缘的求取。 举例:假如使用3*3的掩模来求取: -1 0 1 -1 0 1 -1 0 1 掩模矩阵和红色圈出来的Value1计算:{(-1)*1+0*1+1*1}+{(-1)*1+0*1+1*1}+{(-1)*1+0*1+1*1}=0 掩模矩阵和蓝色圈出来的Value2计算:{(-1)*1+0*1+1*10}+{(-1)*1+0*1+1*10}+{(-1)*1+0*1+1*10}=27 我们可以设置一个边界值Value,则程序中可设置判断,当|Value2-Value1|>Value时就认为当前是图像边缘。 halcon常用的掩模: Robert边缘 算子:roberts。边缘定位准,但是对噪声敏感;适用于边缘明显且噪声低的图像分割。边缘定位精确度低。 模板1: 1 0 0 -1 模板2: 0 1 -1 0 Prewitte边缘 算子:prewitt_amp。对噪声可以适当抑制,但是会起到边缘平滑,对边缘的平滑不如Robert算子。 x方向: -1 0 1 -1 0 1 -1 0 1 y方向: 1 1 1 0 0 0 -1 -1 -1 Sobel边缘 算子:sobel_amp。Sobel算子对于像素的位置的影响做了加权,可以降低边缘模糊程度。 x方向: -1 0 1 -2 0 2 -1 0 1 y方向: 1 2 1 0 0 0 -1 -2 -1 Canny边缘:非极大值抑制与阈值的思想,边缘的提取效果在目前边缘提取中是相对效果最好的。(原理复杂,会用就行) 其它边缘:拉普拉斯边缘等(用的少)。 Canny没有对应的算子,如edges_image (EdgeAmplitude, ImaAmp, ImaDir, 'canny', 1, 'nms', 20, 40),在参数中设置为canny。 2、边缘提取算子使用介绍弄清了边缘提取原理后,本节讲解边缘提取算子具体使用。 首先,读取图片,并灰度化转换 read_image (Image1, '1.bmp') rgb1_to_gray (Image1, GrayImage)roberts边缘算子: *roberts边缘,边缘定位精准 roberts (GrayImage, ImageRoberts, 'gradient_sum')prewitt_amp边缘算子,求出来的边缘要清晰很多了: *prewitt_amp边缘,对噪声可以适当抑制。变换后图像有偏移 prewitt_amp (GrayImage, ImageEdgeAmp)sobel_amp边缘算子: *sobel_amp边缘,可以降低边缘模糊程度 sobel_amp (GrayImage, EdgeAmplitude, 'sum_abs', 3)Canny求边缘(求图像边缘最好的方法): *图像的边缘,参数7:低阈值,参数8:高阈值。一般高阈值是低阈值的1.5倍-2倍 edges_image (EdgeAmplitude, ImaAmp, ImaDir, 'canny', 1, 'nms', 20, 40) 3、图像的亚像素边缘提取什么叫图像的亚像素?顾名思义,亚像素就是比普通像素精度更高。由原先的像素单位为1,变为比1小的精度。 亚像素原理:采用插值的方式,精确定位边缘的位置。 比如: (最邻近插值) 1、5 插值后 1 3 5 1、6 插值后 1 3.5 6 插值方法有:双线性插值、三次样条插值。 亚像素边缘,常用的方法是canny边缘方法,算子是edges_sub_pix(),可以直接得到亚像素边缘。 常用英文单词: 区域:region 轮廓:XLD 感兴趣区域:RIO 程序讲解: 读取图片,求取第三个区域的边缘。 read_image (Image1, '1.bmp') rgb1_to_gray (Image1, GrayImage)通过阈值分割、形状筛选,将7个矩形区域从图像中分割出来 *缩小ROI,阈值分割 fast_threshold (GrayImage, Region, 150, 255, 20) *连通域 connection (Region, ConnectedRegions) *区域排序 sort_region (ConnectedRegions, SortedRegions, 'first_point', 'true', 'row') *选择矩形区域-外接矩形 select_shape (SortedRegions, SelectedRegions, ['rect2_len1','rect2_len2'], 'and', [110,50], [160,70])对筛选出来的7个矩形区域排序,然后选择第三个区域。 *再排一次序:按列排序 sort_region (SelectedRegions, SortedRegions1, 'first_point', 'true', 'column') *始终选择第三个区域:参数3为要选择的哪一个区域 select_obj (SortedRegions1, ObjectSelected, 3)区域筛选下来后要求矩形图像边缘,一定要先包含其边缘,只有将整个区域包含了,才能保证求的区域边缘在里面。可以先用膨胀。再将此区域从原图中裁剪下来。 *正常的膨胀需求用dilation_circle,如果想对一个区域进行平滑操作的时候用闭操作closing_circle dilation_circle (ObjectSelected, RegionDilation, 5) *将选出来处理好的区域从原灰度图片上裁剪出来 reduce_domain (GrayImage, RegionDilation, ImageReduced)最后,对其进行求边缘 *边缘检测-canny edges_sub_pix (ImageReduced, Edges, 'canny', 1, 10, 20) 4、亚像素轮廓的特征分析为什么要进行特征分析?如下图所示,是求取出来的边缘,周围的线条是真实需要的,而中间的的线条则是引入的干扰线条。需要根据特征来进行筛选,而这个特征就是亚像素的特征。 亚像素轮廓特征:和前面的区域特征一样,亚像素轮廓特征同样具有自己的特征,在亚像素轮廓中使用较多的特征包括:长度、角度、外接矩形的长宽等。还有一些其它使用很少的特征。 亚像素轮廓的长度:轮廓所占的像素数。 亚像素轮廓的角度:轮廓最小外接矩形中,长边所对应的方向。 亚像素轮廓的外接矩形:能包括整个轮廓的最小矩形就是最小外接矩形。 备注:在求取亚像素外接矩形时,算子要加上_xld 求取xld的最小外接矩形1:smallest_rectangle1_xld 求取xld的最小外接矩形2:smallest_rectangle2_xld 筛选xld:select_shape_xld 程序讲解: 接着前面一节的程序进行。 前面一节一节将边缘求取出来了,但是中间有干扰线条。需要将中间的干扰线条去掉,只保留边上需要的线条。可以通过线条周长的长度来进行筛选 *XLD筛选,参数3,周长 select_shape_xld (Edges, SelectedXLD, 'contlength', 'and', 80, 99999)补充:通过软件工具,获取XLD线条周长 5、xld的分割及直线拟合为什么要XLD分割和直线拟合,看前面的提取出来的轮廓线,线条有凸起、或者歪歪扭扭的,不是很规整。因此需要将其拟合,拟合前需要将相交的线分割出来,每条线单独拟合。 XLD的分割:根据XLD之间各个节点的连接情况以及设置条件,将一条或多条分割线分割成更多条线的情况,称为xld的分割。一般先的折点的地方称为分割点。 算子:segment_contours_xld XLD的拟合:根据线条的预先模型,对线条进行重新成成。包括直线的拟合、圆的拟合、以及椭圆拟合等。 算子: fit_line_contour_xld:直线的拟合 fit_circle_contour_xld:圆的拟合 fit_ellipse_contour_xld:椭圆的拟合 XLD的拟合原理:基于最小二乘法拟合、考虑权重的拟合方法。如下图所示意。 程序讲解: 接着上节程序,进行讲解,上一节存在的问题。 进行XLD轮廓线分割 *轮廓XLD的分割,参数3:分割方式,参数4:圆滑程度,参数5和参数6:最小和最大线的距离 segment_contours_xld (UnionContours, ContoursSplit, 'lines_circles', 5, 4, 2)然后再选择矩形下方的横线。 *选择矩形下部没连接到一起的水平线,根据线的角度来选择 select_shape_xld (SelectedXLD, SelectedXLD1, 'phi', 'and', -0.1, 0.1)对直线进行拟合 *对选出来的直线拟合,参数2,'tukey'是最小2乘拟合、'huber'是考虑权重拟合 fit_line_contour_xld (SelectedXLD1, 'huber', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)再对线左边延长 *拟合后的线不够长,将起始的列往左移动(减去5个像素点) gen_contour_polygon_xld (Contour, [RowBegin,RowEnd], [ColBegin-5,ColEnd])拟合、延长后的 将新生成的线和别的线放到一起 *将其他的线也选择出来 select_shape_xld (SelectedXLD, SelectedXLD2, 'phi', 'and', 0.2, 3.14) *将两次选出来的线放到一个集合中 concat_obj (SelectedXLD2, Contour, ObjectsConcat) *将集合中的两个线,合并连接到一起 union_adjacent_contours_xld (ObjectsConcat, UnionContours1, 10, 1, 'attr_keep')生成新的区域 *将线围起来的区域转换成轮廓 gen_region_contour_xld (UnionContours1, Region1, 'filled')新生成的区域,边缘很圆滑。先腐蚀,再求边缘。 *使用腐蚀,将多出来的去掉 opening_circle (Region1, RegionOpening, 3.5) *再求边缘 boundary (RegionOpening, RegionBorder, 'inner')也不圆滑,再进行膨胀,膨胀后再从前面的区域中中裁剪 *求出来的边缘并不是太好,使用膨胀操作 dilation_circle (RegionBorder, RegionDilation1, 3.5) *膨胀后再从原图中进行裁剪 reduce_domain (GrayImage, RegionDilation1, ImageReduced1)然后再使用canny求边缘 *再用刚才的边缘,所求得的边缘就要好多了 edges_sub_pix (ImageReduced1, Edges1, 'canny', 1, 20, 40)最后再进行连接 *再进行连接 union_adjacent_contours_xld (Edges1, UnionContours2, 10, 1, 'attr_keep') 6、圆及椭圆的拟合圆的拟合与直线的拟合,也包括线条的分割、筛选以及拟合。 直接以程序来讲解。 程序讲解: 打开图片 dev_close_window () dev_open_window (0, 0, 512, 512, 'black', WindowHandle) read_image (Image1, '1.bmp')然后取图像中一个不规则的圆区域,将其裁剪下来 *画圆 draw_circle (WindowHandle, Row, Column, Radius) *生成圆 gen_circle (Circle, Row, Column, Radius) *裁剪 reduce_domain (Image1, Circle, ImageReduced)进行边缘提取,并选择外部的边缘轮廓 *提取边缘 edges_sub_pix (ImageReduced, Edges, 'canny', 1, 10, 20) *选择轮廓形状 select_shape_xld (Edges, SelectedXLD, 'contlength', 'and', 80, 99999)分割、筛选,因为轮廓线就一条,分割后还是一条 *对选出来的轮廓进行分割,然后求出分割最长的那条线 segment_contours_xld (SelectedXLD, ContoursSplit, 'lines_circles', 5, 4, 2) *分割的xld长度,长度值保存在Length数组中 length_xld (ContoursSplit, Length) *求数组最大值 tuple_max (Length, Max) *选出分割最长的线 select_shape_xld (ContoursSplit, SelectedXLD1, 'contlength', 'and', Max-1, 99999)对分割、筛选后的线,用圆拟合 *对选出来的线,用圆的拟合。参数2:选择拟合方法,回归的形式 fit_circle_contour_xld (SelectedXLD1, 'algebraic', -1, 0, 0, 3, 2, Row1, Column1, Radius1, StartPhi, EndPhi, PointOrder) *生成圆轮廓-拟合好的分割线 gen_circle_contour_xld (ContCircle, Row1, Column1, Radius1, 0, 6.28, 'positive', 1)其它的,如椭圆拟合,分割、筛选方法跟圆一样,直接写出算子使用方法了 *椭圆拟合 *fit_ellipse_contour_xld (SelectedXLD1, 'fitzgibbon', -1, 0, 0, 200, 3, 2, Row2, Column2, Phi, Radius11, Radius2, StartPhi1, EndPhi1, PointOrder1) *生成椭圆轮廓-拟合好的分割线 *gen_ellipse_contour_xld (ContEllipse, Row2, Column2, Phi, Radius11, Radius2, StartPhi1, StartPhi1, 'positive', 1.5) 7、中心线的提取介绍::中心线是出于某区域中心的线,比如图中的道路中心,很多情况下需要求解中心。 求解方法: 方法1:求解区域的边缘,然后进而计算中心。 方法2:先求解区域,然后利用区域骨架求解中心。 方法3:利用lines-gauss算子求解。 程序讲解: 先去读取图片,然后灰度转换 read_image (Image1, '1.bmp') rgb1_to_gray (Image1, GrayImage)示例1:中心线提取-亮的区域。 *中心线提取,亮的区域。 *参数3:提取的中心线光滑程度,通常取1.2-1.5。参数4参数5:边缘高低阈值,类似于canny。参数6:中心线是dark还是light lines_gauss (GrayImage, Lines, 1.5, 3, 8, 'light', 'true', 'bar-shaped', 'true')示例2:中心线提取-暗的区域。 *提取黑色的中心线 lines_gauss (GrayImage, Lines1, 1.5, 3, 8, 'dark', 'true', 'bar-shaped', 'true')区域边缘提取和轮廓识别,案例应用见下一节:7、Halcon图像中识别多个矩形区域并对平均宽度测量。 7、Halcon图像中识别多个矩形区域并对平均宽度测量_Big_潘大师的博客-CSDN博客_halcon多个区域 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |