HALCON示例程序classify_image_class_knn.hdev使用KNN分类器对多通道图像进行分割

HALCON示例程序classify_image_class_knn.hdev使用KNN分类器对多通道图像进行分割

示例程序源码(加注释)

  • 显示相关设置
    dev_update_off ()
    dev_close_window ()
    dev_open_window (0, 0, 735, 485, ‘black’, WindowHandle)
    set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)
    dev_set_draw (‘margin’)
    dev_set_colored (6)
    dev_set_line_width (3)
  • 读入图片
    read_image (Image, ‘patras’)
    dev_display (Image)
  • 定义颜色数组并进行初始化
    Color := [‘indian red’,‘cornflower blue’,‘white’,‘black’,‘yellow’]
  • 创建用于训练分类器的不同区域
    gen_rectangle1 (Sea, 10, 10, 120, 270)
    gen_rectangle2 (Deck, [170,400], [350,375], [-0.56,-0.75], [64,104], [26,11])
  • 将一个区域数组内的区域合并为一个区域
    union1 (Deck, Deck)
    gen_rectangle1 (Walls, 355, 623, 420, 702)
    gen_rectangle2 (Chimney, 286, 623, -0.56, 64, 33)
  • 合并两个区域数组内的区域,但是区域的个数不变,即不进行区域的合并只是存入一个新的区域数组
    concat_obj (Sea, Deck, Classes)
    concat_obj (Classes, Walls, Classes)
    concat_obj (Classes, Chimney, Classes)
    dev_set_color (Color[0])
    dev_display (Deck)
    dev_set_color (Color[1])
    dev_display (Sea)
    dev_set_color (Color[2])
    dev_display (Walls)
    dev_set_color (Color[3])
    dev_display (Chimney)
  • 定义一个用于消息显示的字符串,并进行初始化
    Message := ‘Training regions for the color classifier’
    disp_message (WindowHandle, Message, ‘window’, 12, 12, ‘black’, ‘true’)
    disp_continue_message (WindowHandle, ‘black’, ‘true’)
    stop ()
  • 创建一个KNN分类器
  • create_class_knn( : : 维度个数: KNN分类器句柄)
    create_class_knn (3, KNNHandle)
  • 为KNN分类器添加训练样本
  • add_samples_image_class_knn(多通道图片, 类别区域: : KNN分类器句柄 : )
    add_samples_image_class_knn (Image, Classes, KNNHandle)
    dev_display (Image)
  • 定义一个字符串并进行初始化
    Message := ‘Training …’
    disp_message (WindowHandle, Message, ‘window’, 12, 12, ‘black’, ‘true’)
  • 训练分类器
    train_class_knn (KNNHandle, [], [])
  • 这个是字符串的增加字符操作
    Message := Message + ’ ready.’
  • Message 相当于Message[0],这里为Message[1]进行初始化
    Message[1] := ‘Segment image using the classifier …’
    disp_message (WindowHandle, Message, ‘window’, 12, 12, ‘black’, ‘true’)
  • 对多通道图片使用KNN分类器进行分类
  • classify_image_class_knn(多通道图片: 分出的不同区域, 分类结果邻域最近距离: KNN分类器句柄, 不进行分类区域的阈值: )
    classify_image_class_knn (Image, ClassRegions, DistanceImage, KNNHandle, 255.0 * 255.0)
  • 使用区域的平均灰度值显示区域
    region_to_mean (ClassRegions, Image, ImageClass)
    dev_display (ImageClass)
    Message[1] := Message[1] + ’ ready.’
    disp_message (WindowHandle, Message, ‘window’, 12, 12, ‘black’, ‘true’)
  • 清除KNN分类器句柄
    clear_class_knn (KNNHandle)
    disp_continue_message (WindowHandle, ‘black’, ‘true’)
    stop ()

处理思路

这个例子介绍了使用KNN分类器对彩色图片进行分割的方法,KNN分类器的使用过程为:create_class_knn 、add_samples_image_class_knn、train_class_knn 、classify_image_class_knn ,一个便于使用的简单的多通道图像分类方式。选取多通道图片的感兴趣区域与背景可以对多通道图片进行快速分类。

后记

大家有什么问题可以向我提问哈,我看到了第一时间回复,希望在学习的路上多多结交良师益友。

你可能感兴趣的:(#,Halcon示例程序解读与剖析)