HALCON学习笔记之blob分析+特征（定位） 11

blob分析+特征（定位）

*采集图像
dev_close_window ()
dev_update_off ()
read_image (ImageOrig, 'blister/blister_reference')
dev_open_window_fit_image (ImageOrig, 0, 0, -1, -1, WindowHandle)
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
dev_set_draw ('margin')
dev_set_line_width (3)



*定位（求标准位置，blob）
access_channel (ImageOrig, Image1, 1)  *获得一个灰度图像（第一个通道	的图像）
threshold (Image1, Region, 90, 255) *进行阈值分割，选取灰度值在90-255的区域
shape_trans (Region, Blister, 'convex') *使用shape_trans对区域Region处理，提取Region的外框，convex功能是外框（获得一个较为完整的图形边框）
orientation_region (Blister, Phi) *orientation_region计算区域的方向，这个算子是基于elliptic_axis 算子来的，elliptic_axis 是求取等效的椭圆，所以用算子orientation_region相当于把区域Blister转化为一个等效椭圆，计算这个椭圆的长轴在图像中的角度。
area_center (Blister, Area1, Row, Column)*求取区域Blister的面积与中心坐标。
vector_angle_to_rigid (Row, Column, Phi, Row, Column, 0, HomMat2D)*vector_angle_to_rigid - 根据初始坐标（前3个参数）与仿射变换后的坐标与角度（4-6，三个参数）角度生成一个旋转与平移的仿射变换矩阵HomMat2D。这里初始坐标与结束坐标都没有变化只是角度旋转到了0度。
affine_trans_image (ImageOrig, Image2, HomMat2D, 'constant', 'false')*affine_trans_image - 对图像进行任意的2D仿射变换。ImageOrig：要进行仿射变换的图像；Image2：仿射变换之后的图像；HomMat2D：2D仿射变换矩阵；constant：进行仿射变换的方式，这个代表使用均值滤波器来防止混叠效应的发生。false：仿射变换后的图片超出现有图片大小的区域不被剪切掉；若为true则相反。
gen_empty_obj (Chambers)*生成一个空的对象Chambers




*画区域方块
for I := 0 to 4 by 1
Row := 88 + I * 70
for J := 0 to 2 by 1
    Column := 163 + J * 150
    * * 生成一个可旋转的矩形；
    * * 前两个参数是区域中心坐标，第三个参数是矩形角度，后两个参数是矩形的宽高。
    gen_rectangle2 (Rectangle, Row, Column, 0, 64, 30)

concat_obj (Chambers, Rectangle, Chambers) * concat_obj - 把两个对象融合在一起。 注意，这 个和union不一样，union是把两个对象整合成一个对象，整合后对象的元素个数为1； 而使用concat_obj 是把几个对象联合成一个对象，这个对象中的元素个数之和不变。

endfor
endfor

使用变换矩阵HomMat2D对Blister区域使用nearest_neighbor方法进行仿射变换。
affine_trans_region (Blister, Blister, HomMat2D, ‘nearest_neighbor’)

求取区域Blister与区域Chambers的差集
difference (Blister, Chambers, Pattern)

将区域Chambers（有多个元素）联合成一个区域（一个元素）
union1 (Chambers, ChambersUnion)

求取区域Blister的角度
orientation_region (Blister, PhiRef)

将角度PhiRef加180度
PhiRef := rad(180) + PhiRef

求取区域Blister的面积与中心坐标
area_center (Blister, Area2, RowRef, ColumnRef)

循环检测每一张图片

定义变量Count 赋值6
Count := 6

for循环
for Index := 1 to Count by 1

读入图片
read_image (Image, ‘blister/blister_’ + Index$‘02’)

对图片Image进行阈值分割，提取像素灰度值在90-255的区域
threshold (Image, Region, 90, 255)

分割连通域
connection (Region, ConnectedRegions)

使用select_shape 对区域ConnectedRegions进行筛选，筛选出面积值介于5000-999999的区域
select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 5000, 9999999)

求取区域SelectedRegions的外形
shape_trans (SelectedRegions, RegionTrans, ‘convex’)

求取区域RegionTrans的角度
orientation_region (RegionTrans, Phi)

求取区域RegionTrans的面积与中心坐标
area_center (RegionTrans, Area3, Row, Column)

生成仿射变换矩阵HomMat2D
vector_angle_to_rigid (Row, Column, Phi, RowRef, ColumnRef, PhiRef, HomMat2D)

使用HomMat2D矩阵对Image进行仿射变换
affine_trans_image (Image, ImageAffinTrans, HomMat2D, ‘constant’, ‘false’)

使用区域剪切图片，缩小图像处理定义域
reduce_domain (ImageAffinTrans, ChambersUnion, ImageReduced)

将图片ImageReduced分成R/G/B三通道图像
decompose3 (ImageReduced, ImageR, ImageG, ImageB)

var_threshold - 通过局部均值和标准差分析对图像进行阈值处理。
var_threshold (ImageB, Region, 7, 7, 0.2, 2, ‘dark’)

分割连通域
connection (Region, ConnectedRegions0)

使用矩形对区域进行闭运算
closing_rectangle1 (ConnectedRegions0, ConnectedRegions, 3, 3)

填充孔洞
fill_up (ConnectedRegions, RegionFillUp)

进行面积筛选
select_shape (RegionFillUp, SelectedRegions, ‘area’, ‘and’, 1000, 99999)

使用圆形元素对区域进行开运算
opening_circle (SelectedRegions, RegionOpening, 4.5)

分割连通域
connection (RegionOpening, ConnectedRegions)

进行面积筛选
select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 1000, 99999)

求取区域轮廓
shape_trans (SelectedRegions, Pills, ‘convex’)

对区域Chambers进行计数
count_obj (Chambers, Number)

生成一个空的对象
gen_empty_obj (WrongPill)

生成一个空的对象
gen_empty_obj (MissingPill)

for循环
for I := 1 to Number by 1

在对象数组中选取指定对象，之前例子已经讲过了
select_obj (Chambers, Chamber, I)
求交集
intersection (Chamber, Pills, Pill)
求取区域面积与中心坐标值
area_center (Pill, Area, Row1, Column1)
if (Area > 0)
* 求取最大最小的灰度值，之前例子已经讲过了
min_max_gray (Pill, ImageB, 0, Min, Max, Range)
if (Area < 3800 or Min < 60)
* 联合对象，上边有介绍
concat_obj (WrongPill, Pill, WrongPill)
endif
else
* 联合对象，上边有介绍
concat_obj (MissingPill, Chamber, MissingPill)
endif
endfor

*显示
	dev_clear_window ()
dev_display (ImageAffinTrans)
dev_set_color (‘forest green’)
count_obj (Pills, NumberP)
count_obj (WrongPill, NumberWP)
count_obj (MissingPill, NumberMP)
dev_display (Pills)
if (NumberMP > 0 or NumberWP > 0)
disp_message (WindowHandle, ‘Not OK’, ‘window’, 10, 10 + 600, ‘red’, ‘true’)
else
disp_message (WindowHandle, ‘OK’, ‘window’, 10, 10 + 600, ‘forest green’, ‘true’)
endif
disp_message (WindowHandle, '# correct pills: ’ + (NumberP - NumberWP), ‘window’, 10, 10, ‘black’, ‘true’)
disp_message (WindowHandle, '# wrong pills : ’ + NumberWP, ‘window’, 10 + 25, 10, ‘black’, ‘true’)
if (NumberWP > 0)
disp_message (WindowHandle, NumberWP, ‘window’, 10 + 25, 10 + 180, ‘red’, ‘true’)
endif
disp_message (WindowHandle, '# missing pills: ’ + NumberMP, ‘window’, 10 + 50, 10, ‘black’, ‘true’)
if (NumberMP > 0)
disp_message (WindowHandle, NumberMP, ‘window’, 10 + 50, 10 + 180, ‘red’, ‘true’)
endif
dev_set_color (‘red’)
dev_display (WrongPill)
dev_display (MissingPill)
if (Index < Count)
disp_continue_message (WindowHandle, ‘black’, ‘true’)
endif
stop ()

定义一个变量之后得加endfor