图像处理 : 特征提取

Posted 2021-06-19 QtHalcon

​    图像的特征描述了图像的某种属性，当通过分割、形态学处理得到一些区域后，这些区域就构成了一个集合。 常用的特征类型有边缘、角、区域和脊背。

    如何从这些集合中选择出需要的区域，这就需要使用特征作为判断和选择的依据。例如，使用区域的面积作为特征，可以快速提取出面积差异明显的对象;使用灰度值作为特征，可以提取出灰度差异大的图像等。

一、形状特征

    在场景中选择物体的特征是图像测量或者识别的重要基础。区域的形状特征是非常常用的特征，在模式匹配中，常使用形状特征作为匹配的依据。下面就介绍几种常用的与区域形状特征相关的算子。

1.1区域的面积和中心点

    有时候我们通过区域的面积大小，来判定产品的特征。也可以通过提取后的区域获取相应的中心点。常用算子是area_center。

    下面是一个示例：

read_image (Image, 'C:/Users/Administrator/Desktop/testt.png')
rgb1_to_gray(Image,GrayImage)
dev_set_color ('green')
threshold (GrayImage, Region, 0, 20)
connection (Region, ConnectedRegions)
count_obj (ConnectedRegions, Num)
area_center (ConnectedRegions, Area, Row, Column)
dev_set_color ('red')
gen_cross_contour_xld (Cross, Row, Column, 60, 0)

1.2 根据特征值选择区域

    把区域提取到后，再根据区域的特征，来选择区域，如选出矩形或圆形。常用算子是select_shape，该算子的原型如下:

select_shape(Regions : SelectedRegions : Features, 
             Operation, Min, Max : )

    参数1和参数2分别表示输入和输出的区域。

    参数3提供了一个包括多种特征参数的列表，基本包括了区域的常用特征，使用者只需要选择需要的特征，并设置筛选条件，就能得到需要的区域。

• area :输入区域的面积。

• row:输入区域中心点的行坐标。

• column :输入区域中心点的列坐标。

• width:输入区域的宽度。

• height:输入区域的高度。

• circularity :输入区域的圆度。

• compactness :输入区域的紧密度。

• convexity:输入区域的凸包性。

• rectangularity :输入区域的矩形度。

• outer_radius :输入区域的最小外接圆的半径。

• inner_radius :输入区域的最大内接圆的半径。

• inner_width :输入区域的与坐标轴平行的最大内接矩形的宽度。

• inner_height :输入区域的与坐标轴平行的最大内接矩形的宽度。

• connect_num:输入区域中非连通区域的数量。

• holes_num:输入区域包含的孔洞数量。

• max_diameter :输入区域的最大直径。

    使用这个参数可以快速筛选出有用的特征区域，如通过面积大小来进行筛选。如下面例子：

read_image (Image, 'C:/Users/Administrator/Desktop/test3.png')
rgb1_to_gray(Image,GrayImage)
dev_set_color ('green')
threshold (GrayImage, Region, 0, 20)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 8000, 15000)
area_center (SelectedRegions, Area1, Row1, Column1)
dev_set_color ('green')
gen_cross_contour_xld (Cross1, Row1, Column1, 60, 0)

1.3 通过区域得到特定类型的区域

    在实际应用中，我们得到的区域不是完整的特征，如不是一个完整的圆形，这时就要通过区域来创建一个近似的圆形。

    以下介绍几个常用算子：

    (1) inner _circle

    该算子原型如下:

inner_circle(Regions : : : Row, Column, Radius)

    参数1表示输入的区域，参数2和3为输出参数，表示最大内接圆的圆心坐标。

    以下是一个实例：

read_image (Image, 'C:/Users/Administrator/Desktop/test3.png')
rgb1_to_gray(Image,GrayImage)
dev_set_color ('green')
threshold (GrayImage, Region, 0, 20)
inner_circle (ConnectedRegions, Row2, Column2, Radius)
gen_circle_contour_xld (ContCircle, Row2, Column2, Radius, 0, 6.28318, 'positive', 1)
gen_cross_contour_xld (Cross2, Row2, Column2, 30, 0)

     (2) Smallest_rectangle2

    该算子用于求最小外接矩形。该算子的原型如下:

smallest_rectangle2(Regions : : : Row，Column，Phi, Length1，Length2)

• Regions表示输入的区域。

• Row、Column为输出参数，表示最小外接矩形的几何中心坐标。

• Phi为输出参数,表示最小外接矩形的角度方向。

• Lengthl、Length2分别表示矩形的两个方向的内径（边长的一半)。

    以下是一个使用实例：

read_image (Image, 'C:/Users/Administrator/Desktop/test4.png')
rgb1_to_gray(Image,GrayImage)
dev_set_color ('red')
threshold (GrayImage, Region, 0, 20)
connection (Region, ConnectedRegions)
area_center (ConnectedRegions, Area, Row, Column)
smallest_rectangle2 (ConnectedRegions, Row1, Column1, Phi, Length1, Length2)
gen_rectangle2_contour_xld (Rectangle, Row1, Column1, Phi, Length1, Length2)
gen_cross_contour_xld (Cross, Row1, Column1, 60, Phi)

二、灰度特征

    除了基于形状的特征以外，比较常用的还有基于灰度值的特征，即利用灰度信息得到特征。

2.1 区域的灰度特征值

    gray_features算子用于计算指定区域的灰度特征值。其输入是一组区域，每个区域的特征都存储在一组 value数组中。算子原型如下：

gray_features(Regions, Image : : Features : Value)

• Regions：表示要检查的一组区域。

• Image：表示灰度值图像。

• Features：表示输入的特征的名字。

• Value：表示输出的特征的值。

    Features的类型如下：

• area：灰度区域面积。

• row：中心点的行坐标。

• colum：中心点的列坐标。

• ra：椭圆的长轴。

• rb：精圆的短轴。

• phi：等效椭圆的角度。

• min：灰度的最小值。

• max：灰度的最大值。

• mean：灰度的均值。

• deviation：灰度值的偏差。

• plane_deviation：近似平面的偏差。

    以下是一个根据通过区域获取区域中灰度平均值：

 

read_image (Image, 'C:/Users/Administrator/Desktop/test5.png')
rgb1_to_gray(Image,GrayImage)
dev_open_window (0, 0, 520, 520, 'black', WindowID)
threshold (GrayImage, Region, 0, 200)
connection (Region, ConnectedRegions)
gray_features (ConnectedRegions, GrayImage, 'mean', Value)
count_obj (ConnectedRegions, Num)
area_center (ConnectedRegions, Area, Row, Column)
*打印各区域的灰度值
for i := 1 to Num by 1
    dev_set_color ('red')
  set_tposition (WindowID, Row[i - 1], Column[i - 1])
  dev_set_color ('red')
  write_string (WindowID, Value[i-1])
endfor

2.2 区域的最大、最小灰度值

    使用min_max_gray算子计算区域的最大与最小灰度值，更具灵活性。min_max_gray算子的原理是基于灰度直方图，取波峰和谷底之间的区域，区域两端各向内收缩一定的百分比，然后在这段范围内计算出最小灰度值和最大灰度值。该算子的原型如下:

min_max_gray ( Regions,Image : : Percent : Min,Max，Range )

• Regions：表示图像上待检查的一组区域。

• Image：表示输入的灰度值图像。

• Percent：表示低于最大绝对灰度值的百分比。

• Min：表示最小的灰度值。

• Max：表示最大的灰度值。

• Range：表示最大和最小值之间的区间。

 

2.3 灰度的平均值和偏差

    intensity算子用于计算单张图像上多个区域的灰度值的平均值和偏差。该算子的原型如下:

intensity (Regions， Image : :: Mean,Deviation )

• Regions：表示图像上待检查的一组区域。

• Image：表示输入的灰度值图像。

• Mean：表示输出的单个区域的灰度平均值。

• Deviation：表示输出的单个区域的灰度偏差。

 

2.4 灰度区域的面积和中心

    与根据形状特征求面积的方法类似，灰度值图像也可以使用算子直接求出区域的面积和重心。这里用area_center_gray 算子计算一幅灰度值图像的面积和中心。

    area_center_gray算子与 area _center算子类似，都可以求区域的中心。但不同的是，在用 area_center_gray算子求灰度图像的面积时，图像的灰度值可以理解为图像的“高度”，其面积可以理解为“体积”。在求中心时，每个像素的灰度值可以理解为点的“质量”，计算得到的中心是图像区域的重心。而 area_centcr算子计算的中心是几何中心。算子的原型如下;

area_center_gray(Region,Image: : : Area,Row,Colum)

其各参数的含义如下。

• Regions：表示要检查的区域。

• Image：表示灰度值图像。

• Area：表示区域的总灰度值。

• Row：表示灰度值重心的行坐标。

• Column：表示灰度值重心的列坐标。

 

2.5 根据灰度特征值选择区域

    与的select_shape算子类似，灰度值图像也可以快捷地根据特征值选择符合设定条件的区域。select_gray算子用于实现这一功能，该算子能接受一组区域作为输入，然后根据选定的特征计算其是否满足特定的条件。当所有区域的特征都计算结束后，图像将在原来的灰度图上输出符合设定条件的区域。该算子的原型如下:

select_gray ( Regions,Image : SelectedRegions : Features,
              0peration，Min,Max:）

• Regions：表示图像上待检查的一组区域。

• Image：表示输入的单通道图像。

• SelectedRegions：表示特征的局部关联性。

• Features：表示选择的特征。

• Operation：表示低于最大绝对灰度值的百分比。

• Min：表示最小的灰度值，默认为128。

• Max：表示最大的灰度值，默认为255.