halcon学习笔记——机器视觉工程应用的开发思路【转】

机器视觉工程应用主要可划分为硬件和软件两大部分。

硬件：工程应用的第一步就是硬件选型。硬件选型很关键，因为它是你后面工作的基础。主要是光源、工业相机和镜头选择。

软件：目前业内商业库主要有Halcon，康耐视，DALSA，evision，NI等，开源库有OpenCV.其中NI的labview+vision模块。

机器视觉工程应用的基本开发思路是：

一、图像采集，二、图像分割，三、形态学处理，四、特征提取，五、输出结果。

下面在Halcon下对这四个步骤进行讲解。

一、图像采集：

Halcon通过imageacquisition interfaces对各种图像采集卡及各种工业相机进行支持。其中包括：模拟视频信号，数字视频信号Camera Link,数字视频信号IEEE 1394,数字视频信号USB2.0,数字视频信号Gigabit Ethernet等。 
Halcon通过统一的接口封装上述不同相机的image acquisition interfaces,从而达到算子统一化。不同的相机只需更改几个参数就可变更使用。

Halcon图像获取的思路：1、打开设备，获得该设备的句柄。2、调用采集算子，获取图像。

1、打开设备，获得该设备的句柄。

open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //连接相机，并设置相关参数

2、调用采集算子，获取图像。

grab_image (Image, AcqHandle) //（同步采集）完后处理图像，然后再采集图像。采集图像的速率受处理速度影响。

grab_image_async (Image, AcqHandle,MaxDelay) //（异步采集），一幅画面采集完后相机马上采集下一幅画面，不受处理速度影响。其中第三个参数为：MaxDelay，表示异步采集时可以允许的最大延时，本次采集命令距上次采集命令的时间不能超出MaxDelay，超出即重新采集。

图像采集其他相关算子：

     grab_image_start，该算子开始命令相机进行异步采集。只能与grab_image_async（异步采集）一起使用。

例子：

* Select a suitable image acquisition interface nameAcqName

open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,\

                 'default','default','default',-1,-1,AcqHandle)

grab_image(Image1,AcqHandle)//进行同步采集

* Start next grab

grab_image_start(AcqHandle,-1.0)//命令相机进行异步图像采集开始

* Process Image1 ...

* Finish asynchronous grab + start next grab

grab_image_async(Image2,AcqHandle,-1.0)//读取异步采集的图像

* Process Image2 ...

close_framegrabber(AcqHandle)

3、相机参数读写

读取相机参数：

info_framegrabber( : : Name, Query : Information, ValueList)

写相机参数：

set_framegrabber_param( : : AcqHandle, Param, Value : )

二、图像分割：

图像分割的定义： 
所谓图像分割是指将图像中具有特殊含义的不同区域分割开来，这些区域是互相不交叉的，每个区域都满足特定区域的一致性。

1、基于阈值的图像分割

threshold —采用全局阈值分割图像。

格式：    threshold(Image : Region : MinGray, MaxGray : )

自动全局阈值分割的方法：

（1）计算灰度直方图 
（2）寻找出现频率最多的灰度值（最大值） 
（3）在threshold中使用与最大值有一定距离的值作为阈值

代码：

gray_histo(Regions, Image，AbsoluteHisto, RelativeHisto) //计算出图像区域内的绝对和相对灰度值直方图。

PeakGray := sort_index(AbsoluteHisto)[255] //求出出现频率最多的灰度值

threshold(Image,Region,0,PeakGray-25)

bin_threshold — 使用一个自动确定的阈值分割图像。

格式：    bin_threshold(Image : Region : : )

dyn_threshold —使用一个局部阈值分割图像。

格式：    dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

例子：

mean_image(Image,Mean,21,21)

dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

var_threshold —阈值图像局部均值和标准差的分析。

格式：    var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : ) 

2、基于边缘的图像分割：寻找区域之间的边界

watersheds —从图像中提取分水岭和盆地。

格式：    watersheds(Image : Basins, Watersheds : : )

watersheds_threshold —使用阈值从图像中提取分水岭和盆地。

格式：    watersheds_threshold(Image : Basins : Threshold : )

3、基于区域的图像分割：直接创建区域

三、形态学处理

形态学处理以集合运算为基础。

腐蚀、膨胀、开操作、闭操作是所有形态学图像处理的基础。

开操作（先腐蚀再膨胀）使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。

闭操作（先膨胀再腐蚀）消弥狭窄的间断和长细的鸿沟，消除小的孔洞，填补轮廓线的断裂。

形体学基础算子：

erosion1 
dilation1 
opening 
closing

常用的形态学相关算子 
connection 
select_shape 
opening_circle 
closing_circle 
opening_rectangle1 
closing_rectangle1 
complement 
difference 
intersection 
union1 
shaps_trans 
fill_up

形态学高级算子： 
boundary 
skeleton

四、特征提取：

1、区域特征：

area 
moments

smallest_rectangle1

smallest_circle

convexity：区域面积与凸包面积的比例

contlength：区域边界的长度

compactness

2、灰度特征

estimate_noise

select_gray

五、输出结果：

（1）获取满足条件的区域

（2）区域分类，比如OCR

（3）测量

（4）质量检测

本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/sky-heaven/p/6004487.html，如需转载请自行联系原作者