【Halcon机器视觉】ch9 特征提取

通过分割形态学得到一些图像区域之后，就可以使用特提取想要的区域，通常特征的类型有面积最大的区域、灰度差异大的图、区域面积中心

区域形状特征的算子

• 区域面积及和中心点坐标信息：area_center()
• 封闭区域孔洞的面积：area_holes()
• 根据特征值选择区域：select_shape() 可以根据不同特征选取区域
• 根据特征值创建区域：inner_circle()
• 求最小外接矩形：smallest_rectangle2() 矩形与物体方向平行。smallest_retangle1()矩形和坐标轴平行
• 基于灰度值的特征：gray_features() 获取图像最大最小灰度值
• 区域最大、最小灰度值：min_max_gray()
• 灰度区域的面积和中心：are_center_gray() 求的是重心
• 根据灰度值选择区域：select_gray()

例程1 区域面积和中心点

*清空显示
dev_close_window()
*读取一张照片
read_image(Image, 'quan1')
*获取图像尺寸
get_image_size(Image, Width, Height)
*显示
dev_open_window(0, 0, Width, Height, 'black', WindowHandle)
dev_display(Image)
*转为灰度图像
rgb1_to_gray(Image, GrayImage)
*划分AOI区域 并提取  等价于==gen_rectangle1()+reduce_domain()
rectangle1_domain(GrayImage, ImageReduced, 100, 150, Height-60, Width-100)
*自适应阈值分割 提取暗的部分
binary_threshold(ImageReduced, Region, 'max_separability', 'dark', UsedThreshold)
*显示暗部
dev_clear_window()
dev_display(Region)
*将联通区域分开
connection(Region, ConnectedRegions)
*获取图像面积和中心坐标
area_center(ConnectedRegions, Area, Row, Column)
*获取不连通区域数量
count_obj(ConnectedRegions, Number)
for i:=1 to Number by 1*设置显示对象颜色dev_set_color('red')select_obj(ConnectedRegions, ObjectSelected, i)*设定文字输出的起始坐标点set_tposition(WindowHandle, Row[i-1]+60, Column[i-1])*设定输出文字颜色dev_set_color('blue')*设定字体set_font(WindowHandle,'-System-24-*-0-0-0-1-GB2312_CHARSET-')*输出文字内容write_string(WindowHandle, Area[i-1])
endfor

例程2 统计孔洞面积

*清空显示
dev_close_window()
*读取一张照片
read_image(Image, 'quan1')
*获取图像尺寸
get_image_size(Image, Width, Height)
*显示
dev_open_window(0, 0, Width, Height, 'black', WindowHandle)
dev_display(Image)
*转为灰度图像
rgb1_to_gray(Image, GrayImage)*自适应阈值分割 提取暗的部分
binary_threshold(GrayImage, Region, 'max_separability', 'dark', UsedThreshold)
*显示暗部
dev_clear_window()
dev_display(Region)
*计算所有空洞面积和
area_holes(Region, Area1)
*将面积以字符串信息显示在窗口中
disp_message(WindowHandle, 'Size of all holes= ' +Area1+' pixel', 'window', 12, 12, 'black', 'true')

例程3 选取面积较大几个区域

*清空显示
dev_close_window()
*读取一张照片
read_image(Image, 'quan1')
*获取图像尺寸
get_image_size(Image, Width, Height)
*显示
dev_open_window(0, 0, Width, Height, 'black', WindowHandle)
dev_display(Image)
*转为灰度图像
rgb1_to_gray(Image, GrayImage)
*划分AOI区域 并提取  等价于==gen_rectangle1()+reduce_domain()
rectangle1_domain(GrayImage, ImageReduced, 100, 150, Height-60, Width-100)
*自适应阈值分割 提取暗的部分
binary_threshold(ImageReduced, Region, 'max_separability', 'dark', UsedThreshold)
*显示暗部dev_clear_window()
dev_display(Region)
*计算所有空洞面积和
*area_holes(Region, Area1)
*将面积以字符串信息显示在窗口中
*disp_message(WindowHandle, 'Size of all holes= ' +Area1+' pixel', 'window', 12, 12, 'black', 'true')*将联通区域分开
connection(Region, ConnectedRegions)
*获取图像面积和中心坐标
area_center(ConnectedRegions, Area, Row, Column)
*获取不连通区域数量
count_obj(ConnectedRegions, Number)select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', 4405, 99999)
dev_clear_window()
dev_display(SelectedRegions)

面积大于等于4405的区域被选出来

select_shape(SelectedRegions, SelectedRegions1, 'width', 'and', 80, 99999)
dev_clear_window()
dev_display(SelectedRegions1)

宽度大于等于80的被选出来

例程4 求最小外接矩形

*清空显示
dev_close_window()
*读取一张照片
read_image(Image, 'luosi1')
*获取图像尺寸
get_image_size(Image, Width, Height)
*显示
dev_open_window(0, 0, Width, Height, 'black', WindowHandle)
dev_display(Image)
*转为灰度图像
rgb1_to_gray(Image, GrayImage)
*自适应阈值分割 提取暗的部分
binary_threshold(GrayImage, Region, 'max_separability', 'dark', UsedThreshold)
connection(Region, ConnectedRegions)
select_obj(ConnectedRegions, ObjectSelected, 1)
smallest_rectangle2(ObjectSelected, Row, Column, Phi, Length1, Length2)
gen_rectangle2_contour_xld(Rectangle, Row, Column, Phi, Length1, Length2)
dev_set_window(WindowHandle)
dev_set_draw('margin')
dev_set_line_width(3)
dev_display(Image)
dev_display(Rectangle)

基于图像纹理的特征

形状特征秒速了图像种局部区域的几何属性，在模式匹配中，常常用形状特征作为匹配的依据，因为形状特征具有旋转不变性，并且不易受到颜色和光照影响，抗噪声干扰也强。

• 纹理特征：包括图像能量、相关性、局部均匀性、对比度等
• Halcon采用灰度共生矩阵来描述上述特征。
• 灰度共生举证：反应成对灰度像素点的一种共生关系。
• • 能量，相关性，局部均匀性，反差，
• 能量： 表示灰度共生矩阵中元素的平方和，能量值越大，表示灰度变化比较稳定，反映均匀性
• 相似性：表示纹理在行或列方向的相似程度，相关性越大，相似性越高
• 局部均匀性：反映图像局部纹理的变化量，越大，局部变化越小
• 反差（对比度）：表示矩阵值的差异程度，间接表示图像灰度变化幅度，反差越大，纹理深浅越明显，图像越清晰