halcon学习笔记——机器视觉工程应用的开发思路

淡淡的烟草味﹌ 2022-07-15 13:54 173阅读 0赞

[halcon学习笔记——机器视觉工程应用的开发思路][halcon]

--------------------

机器视觉工程应用主要可划分为硬件和软件两大部分。

硬件：工程应用的第一步就是硬件选型。硬件选型很关键，因为它是你后面工作的基础。主要是光源、工业相机和镜头选择。

软件：目前业内商业库主要有Halcon，康耐视，DALSA，evision，NI等，开源库有OpenCV.其中NI的labview+vision模块。

--------------------

机器视觉工程应用的基本开发思路是：

> 一、图像采集，二、图像分割，三、形态学处理，四、特征提取，五、输出结果。

下面在Halcon下对这四个步骤进行讲解。

一、图像采集：

Halcon通过imageacquisition interfaces对各种图像采集卡及各种工业相机进行支持。其中包括：模拟视频信号，数字视频信号Camera Link,数字视频信号IEEE 1394,数字视频信号USB2.0,数字视频信号Gigabit Ethernet等。  
Halcon通过统一的接口封装上述不同相机的image acquisition interfaces,从而达到算子统一化。不同的相机只需更改几个参数就可变更使用。

Halcon图像获取的思路：1、打开设备，获得该设备的句柄。2、调用采集算子，获取图像。

1、打开设备，获得该设备的句柄。

open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //连接相机，并设置相关参数

<table style="width:614px"> 
 <tbody> 
 <tr> 
 <td> Parameter </td> 
 <td> Values </td> 
 <td> Default </td> 
 <td> Type </td> 
 <td> Description </td> 
 </tr> 
 <tr> 
 <td> Name </td> 
 <td> 'DahengCAM' </td> 
 <td>&nbsp;</td> 
 <td> string </td> 
 <td> Name of the HALCON interface. </td> 
 </tr> 
 <tr> 
 <td> HorizontalResolution </td> 
 <td> 1 </td> 
 <td> 1 </td> 
 <td>&nbsp;</td> 
 <td> 1表示水平全部，2为水平1/2，表示图像截取。 </td> 
 </tr> 
 <tr> 
 <td> VerticalResolution </td> 
 <td>1</td> 
 <td>1</td> 
 <td>&nbsp;</td> 
 <td> 同上，表示垂直方向。 </td> 
 </tr> 
 <tr> 
 <td>ImageWidth</td> 
 <td> &lt;width&gt; </td> 
 <td> 0 </td> 
 <td> integer </td> 
 <td> 所需的图像部分的宽度（'0 '代表了完整的图像）。 </td> 
 </tr> 
 <tr> 
 <td>ImageHeight</td> 
 <td>&lt;height&gt;</td> 
 <td>0</td> 
 <td>integer</td> 
 <td>所需的图像部分的高度（0”是完整的图像）</td> 
 </tr> 
 <tr> 
 <td>StartRow</td> 
 <td>&lt;width&gt;</td> 
 <td>0</td> 
 <td>integer</td> 
 <td>所需的图像部分左上方的像素行坐标</td> 
 </tr> 
 <tr> 
 <td>StartColumn</td> 
 <td>&lt;column&gt;</td> 
 <td>0</td> 
 <td>integer</td> 
 <td>所需的图像部分左上方的像素列坐标</td> 
 </tr> 
 <tr> 
 <td>Field</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>忽视</td> 
 </tr> 
 <tr> 
 <td>BitsPerChannel</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>忽视</td> 
 </tr> 
 <tr> 
 <td>ColorSpace</td> 
 <td>'default', 'gray', 'rgb'</td> 
 <td>'gray'</td> 
 <td>string</td> 
 <td>HALCON图像的通道模式</td> 
 </tr> 
 <tr> 
 <td>Generic</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>忽视</td> 
 </tr> 
 <tr> 
 <td>ExternalTrigger</td> 
 <td> 'false', 'true' </td> 
 <td>'false'</td> 
 <td>string</td> 
 <td>外部触发状态</td> 
 </tr> 
 <tr> 
 <td>CameraType</td> 
 <td>'HV-13xx', 'HV-20xx', 'HV-30xx', 'HV-31xx','HV-50xx', 'SV-xxxx'</td> 
 <td>'HV-13xx'</td> 
 <td>string</td> 
 <td>所连接的摄像机系列型。</td> 
 </tr> 
 <tr> 
 <td>Device</td> 
 <td>'1', '2', '3', ...</td> 
 <td>'1'</td> 
 <td>string</td> 
 <td>相机连接第一个设备号“1”，第二个设备编号“2”。</td> 
 </tr> 
 <tr> 
 <td>Port</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>忽视</td> 
 </tr> 
 <tr> 
 <td>LineIn</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 <td>忽视</td> 
 </tr> 
 </tbody> 
</table>

2、调用采集算子，获取图像。

grab_image (Image, AcqHandle) //（同步采集）完后处理图像，然后再采集图像。采集图像的速率受处理速度影响。

grab_image_async (Image, AcqHandle,MaxDelay) //（异步采集），一幅画面采集完后相机马上采集下一幅画面，不受处理速度影响。其中第三个参数为：MaxDelay，表示异步采集时可以允许的最大延时，本次采集命令距上次采集命令的时间不能超出MaxDelay，超出即重新采集。

图像采集其他相关算子：

grab\_image\_start，该算子开始命令相机进行异步采集。只能与grab\_image\_async（异步采集）一起使用。

例子：

* Select a suitable image acquisition interface nameAcqName

open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,\

'default','default','default',-1,-1,AcqHandle)

grab_image(Image1,AcqHandle)//进行同步采集

* Start next grab

grab_image_start(AcqHandle,-1.0)//命令相机进行异步图像采集开始

* Process Image1 ...

* Finish asynchronous grab + start next grab

grab_image_async(Image2,AcqHandle,-1.0)//读取异步采集的图像

* Process Image2 ...

close_framegrabber(AcqHandle)

3、相机参数读写

读取相机参数：

**info\_framegrabber**( : : *Name*, *Query* : *Information*, *ValueList*)

写相机参数：

**set\_framegrabber\_param**( : : *AcqHandle*, *Param*, *Value* : )

二、图像分割：

图像分割的定义：  
所谓图像分割是指将图像中具有特殊含义的不同区域分割开来，这些区域是互相不交叉的，每个区域都满足特定区域的一致性。

1、基于阈值的图像分割

threshold —采用全局阈值分割图像。

格式：    threshold(Image : Region : MinGray, MaxGray : )

自动全局阈值分割的方法：

（1）计算灰度直方图  
（2）寻找出现频率最多的灰度值（最大值）  
（3）在threshold中使用与最大值有一定距离的值作为阈值

代码：

gray_histo(Regions, Image，AbsoluteHisto, RelativeHisto) //计算出图像区域内的绝对和相对灰度值直方图。

PeakGray := sort_index(AbsoluteHisto)[255] //求出出现频率最多的灰度值

threshold(Image,Region,0,PeakGray-25)

bin\_threshold — 使用一个自动确定的阈值分割图像。

格式：    bin\_threshold(Image : Region : : )

dyn\_threshold —使用一个局部阈值分割图像。

格式：    dyn\_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

例子：

mean_image(Image,Mean,21,21)

dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

var\_threshold —阈值图像局部均值和标准差的分析。

格式：    var\_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )

2、基于边缘的图像分割：寻找区域之间的边界

watersheds —从图像中提取分水岭和盆地。

格式：    watersheds(Image : Basins, Watersheds : : )

watersheds\_threshold —使用阈值从图像中提取分水岭和盆地。

格式：    watersheds\_threshold(Image : Basins : Threshold : )

3、基于区域的图像分割：直接创建区域

三、形态学处理

形态学处理以集合运算为基础。

腐蚀、膨胀、开操作、闭操作是所有形态学图像处理的基础。

开操作（先腐蚀再膨胀）使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。

闭操作（先膨胀再腐蚀）消弥狭窄的间断和长细的鸿沟，消除小的孔洞，填补轮廓线的断裂。

形体学基础算子：

erosion1  
dilation1  
opening  
closing

常用的形态学相关算子  
connection  
select\_shape  
opening\_circle  
closing\_circle  
opening\_rectangle1  
closing\_rectangle1  
complement  
difference  
intersection  
union1  
shaps\_trans  
fill\_up

形态学高级算子：  
boundary  
skeleton

四、特征提取：

1、区域特征：

area  
moments

smallest\_rectangle1

smallest\_circle

convexity：区域面积与凸包面积的比例

contlength：区域边界的长度

compactness

2、灰度特征

estimate\_noise

select\_gray

五、输出结果：

（1）获取满足条件的区域

（2）区域分类，比如OCR

（3）测量

（4）质量检测

作者： [韩兆新][Link 1]

出处： [http://hanzhaoxin.cnblogs.com/][Link 1]

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。

分类: [ \[04\]halcon随笔][_04_halcon]

标签: [ halcon学习笔记][halcon 1]

好文要顶 关注我  收藏该文

[韩兆新][Link 2]  
[关注 - 13][- 13]  
[粉丝 - 368][- 368]

\+加关注

[« ][Link 3]上一篇： [halcon学习笔记——实例篇（2）长度和角度测量][Link 3]  
[» ][Link 4]下一篇： [halcon学习笔记——实例篇（3）条形码识别][Link 4]

posted @ 2013-02-15 18:32 [ 韩兆新][Link 5] 阅读( 20496) 评论( 1) [ 编辑][Link 6] [ 收藏][Link 7]

评论列表

[\#1楼][1]  3094643 2014/12/26 20:45:24 2014-12-26 20:45 [ wenluderen][wenluderen] [  ][Link 8]

感谢 前辈 从高层 对 算法进行了递进式 分类。。

[halcon]: http://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html
[Link 1]: http://hanzhaoxin.cnblogs.com/
[_04_halcon]: http://www.cnblogs.com/hanzhaoxin/category/658995.html
[halcon 1]: http://www.cnblogs.com/hanzhaoxin/tag/halcon%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/
[Link 2]: http://home.cnblogs.com/u/hanzhaoxin/
[- 13]: http://home.cnblogs.com/u/hanzhaoxin/followees
[- 368]: http://home.cnblogs.com/u/hanzhaoxin/followers
[Link 3]: http://www.cnblogs.com/hanzhaoxin/archive/2013/02/12/2910338.html
[Link 4]: http://www.cnblogs.com/hanzhaoxin/archive/2013/02/16/2913284.html
[Link 5]: http://www.cnblogs.com/hanzhaoxin/
[Link 6]: https://i.cnblogs.com/EditPosts.aspx?postid=2912879
[Link 7]: http://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html#
[1]: http://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html#3094643
[wenluderen]: http://www.cnblogs.com/wenluderen/
[Link 8]: http://msg.cnblogs.com/send/wenluderen