Halcon学习笔记_03：Blob分析

Blob分析由以下步骤组成：采集图像 -> 提取ROI -> 图像或ROI对齐 -> 修正图像 -> 图像预处理 -> 提取分割参数 ->分割图像 -> 区域预处理 -> 提取特征 -> 将结果转为世界坐标 -> 可视化显示

1.修正图像

图像或区域对齐问题：（Solution Guide III-C in section 3.4）

2.图像预处理

• 消除噪声的相关函数：

  mean_image（ ） 
  gauss_image（ ）
  

• 相对高斯滤波速度快，效果不完美的函数可选：

   binomial_filter（ ）
  

• 对消除斑点和小细线效果好的函数:

   median_image(  )
  

• 平滑边缘的函数：

  anisotrope_diff（ ）

• 消除隔行扫描相机所造成的缺陷的函数：

   fill_interlace（ ）
  

3.获取分割参数

• 相对于固定阈值，我们还可以选择依据每幅图像的动态阈值，方法如下：

   gray_histo_abs（ ）
  
  histo_to_thresh（ ）
  

• 通过给出背景图，我们可以使用函数：

  Intensity（ ）
  

• 依据背景图的像素均值与待处理图的像素均值的区别，动态的改变阈值。

4.分割图像

分割图像其实质是选择前景像素，具体操作如下：

    read_image (Image, 'particle')
    threshold (Image, BrightPixels, 120, 255)
    connection (BrightPixels, Particles)
    area_center (Particles, Area, Row, Column)

5.区域预处理

通常ROI分割后，要进行修改处理，比如：抑制小区域，区域方向定位，封闭区域等。在此种情况下都用形态学算子：

• 用于消除噪声：

  opening_circle（ ）
  opening_rectangle1（ ）

• 用于填充缝隙：

  closing_circle（ ）
  closing_rectangle1（ ）

• 其中注意的是，blobs分析中有些特定特征可供选择：

  select_shape（ ）

  select_shape_std（ ）

    select_shape_proto(  )
  

6.特征提取

依据不同应用，所选特征不同，详见in the Reference Manual in the chapters “Regions . Features”and “Image . Features”.

7.将结果转为世界坐标

此种情况可使用HALCON的相机标定，在 the Solution Guide III-C in section 3.3。

8.可视化结果