【issue-halcon例程学习】atoms.hdev

例程功能

 定位原子网格结构中的不规则性。

代码如下

dev_close_window ()
dev_update_window ('off')
* ****
* Acquire image
* ****
read_image (Image, 'atoms')
get_image_size (Image, Width, Height)
crop_rectangle1 (Image, Image, Height / 2, 0, Height - 1, Width - 1)
get_image_size (Image, Width, Height)
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowID)
set_display_font (WindowID, 14, 'mono', 'true', 'false')
dev_set_draw ('margin')
dev_set_line_width (2)
dev_display (Image)
disp_message (WindowID, 'Original image', 'window', 12, 12, 'black', 'true')
disp_continue_message (WindowID, 'black', 'true')
stop ()
* ****
* Segment image
* ****
* -> Using watershed
gauss_filter (Image, ImageGauss, 5)
watersheds (ImageGauss, Basins, Watersheds)
dev_display (Image)
dev_set_colored (12)
dev_display (Watersheds)
disp_message (WindowID, 'Watersheds', 'window', 12, 12, 'black', 'true')
disp_continue_message (WindowID, 'black', 'true')
stop ()
* ****
* Process regions
* ****
* -> Skip regions at the border of the image
smallest_rectangle1 (Basins, Row1, Column1, Row2, Column2)
select_shape (Basins, SelectedRegions1, 'column1', 'and', 2, Width - 1)
select_shape (SelectedRegions1, SelectedRegions2, 'row1', 'and', 2, Height - 1)
select_shape (SelectedRegions2, SelectedRegions3, 'column2', 'and', 1, Width - 3)
select_shape (SelectedRegions3, Inner, 'row2', 'and', 1, Height - 3)
* -> Select irregularly shaped atoms
select_shape (Inner, Irregular, ['moments_i1', 'moments_i1'], 'or', [0, 9.5e8], [1.5e8, 1e10])
dev_display (Image)
dev_set_line_width (1)
dev_set_color ('white')
dev_display (Inner)
dev_set_line_width (3)
dev_set_color ('red')
dev_display (Irregular)
disp_message (WindowID, 'Defects', 'window', 12, 12, 'black', 'true')

要点

1. 分水岭算法
   • 算法介绍：一种典型的基于边缘的图像分割算法。通过寻找区域之间的分界线，对图像进行分割。传统的分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是地质学上的拓扑地貌，图像中每一像素的灰度值表示该点的海拔高度，每一个局部极小值及其周边区域称为集水盆地，而集水盆地的边界则形成分水岭。(可以找个演示视频理解，有需要的话用convert_image将像素值线性取反 )
   • 适用场景：于复杂背景下的目标分割，特别是具有蜂窝状结构画面的内容分割；
   • 注意点：如果输入图像包含过多噪点或细节，输出的区域数量将非常庞大并影响算法速度。因此前驱函数应考虑滤波；
   • 相关算子：watersheds(Image:Basins,Watersheds::)和watersheds_threshold(Image:Basins:Threshold:)
     后者在前者的结果上设置了Threshold，相邻区域像素差值小于Threshold则合并。

	gauss_filter (Image, ImageGauss, 5) //Image已读
	watersheds (ImageGauss, Basins, Watersheds)

2. select_shape ——几何矩moments_i1(没看明白，先放放)

   • 矩的本质：数学期望，即可能结果的概率乘以其结果的总和；

   • 几何矩：用来表示图像的几何特征(质心、方向等)的矩，包括包括空间矩、中心矩、归一化中心矩；
     空间矩(spatial moments)： 实质为面积或者质量。可以通过一阶矩计算质心/重心。计算公式如下：
      $m_{ji}={\sum }_{x,y}^{}\left(array\left(x,y\right)\cdot x^j\cdot y^i\right)$
      可以看出对于01二值化的图像，m₀₀即为轮廓的面积。
     中心矩(central moments): 体现的是图像强度的最大和最小方向(中心矩可以构建图像的协方差矩阵)，其只具有平移不变性，所以用中心矩做匹配效果不会很好。计算公式如下：
      $m{u}_{ji}={\sum }_{x,y}^{}\left(array\left(x,y\right)\cdot {\left(x-\bar{x}\right)}^j\cdot {\left(y-\bar{y}\right)}^i\right)$
      其中$\bar{x}=\frac{m_{10}}{m_{00}}$，$\bar{y}=\frac{m_{01}}{m_{00}}$, $\left(\bar{x},\bar{y}\right)$为区域质心。
      这种计算质心的方法优点在于对噪声不敏感，即存在噪声时对结果影响不大。从数学角度看，这种方法只计算一个连通域region或一个团块block的质心。若存在两个质心，需分开求解，而非整体质心。
     归一化的中心矩(normalized central moments): 归一化后具有尺度不变性.计算公式如下：
      $n{u}_{ji}=\frac{m{u}_{ji}}{m_{00}^{\left(i+j\right)/2+1}}$

   • 不变矩：即图像经过平移、旋转、缩放以后值不变的矩，是矩中的特殊情况，常见的不变矩有Hu矩(几何不变矩)、Zernike矩(正交不变矩)等；

   • 零阶矩(m₀₀)：与图像或某个轮廓的面积相关；
     一阶矩(m₁₀,m₀₁)：与图像或某个轮廓的质心相关；
     二阶矩(m₂₀,m₁₁,m₀₂)：与图像或某个轮廓的旋转半径相关；
     三阶矩(m₃₀,m₂₁,m₁₂,m₀₃)：与图像或某个轮廓的斜度或扭曲程度相关；