Halcon学习之六:获取Image图像中Region区域的特征参数

Posted 挣脱生命的束缚...

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Halcon学习之六:获取Image图像中Region区域的特征参数相关的知识,希望对你有一定的参考价值。

area_center_gray ( Regions, Image : : : Area, Row, Column )    计算Image图像中Region区域的面积Area和重心(Row,Column)。

cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy,Correlation, Homogeneity, Contrast )   计算共生矩阵和推导出灰度特征值

   Direction:灰度共生矩阵计算的方向    Energy:灰度值能量     Correlation:灰度值的相互关系 Homogeneity:灰度值的均匀性 Contrast:灰度值的对比度

cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation,Homogeneity, Contrast ) 根据共生矩阵计算灰度特征值

elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi ) 计算Image图像的Region区域的Ra,Rb和Phi。

entropy_gray ( Regions, Image : : : Entropy, Anisotropy ) Image图像中Region区域的计算熵Entropy和各向异性Anisotropy。

estimate_noise ( Image : : Method, Percent : Sigma ) 从单一图像 Image中估计图像的噪声。

Sigma:加性噪声的标准偏差 Method :估计噪声的方法 Method∈{foerstner、immerkaer、least_squares、mean}、

fit_surface_first_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma ) 计算一阶灰度平面的灰度矩阵和灰度值的逼近参数。

Algorithm:采用的算法 Algorithm:迭代次数 ClippingFactor:消除临界值的削波系数

fit_surface_second_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta ) 计算二阶灰度平面的灰度矩阵和灰度值的逼近参数。

fuzzy_entropy ( Regions, Image : : Apar, Cpar : Entropy ) 确定区域Regions的模糊熵 将图像视为模糊集合 Apar为模糊区域的起始点 Cpar为模糊区域的结束点 Entropy为Regions的模糊熵

fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter ) 计算Region区域的模糊周长

gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : ) 生成Image图像Region区域的共生矩阵

gray_histo ( Regions, Image : : : AbsoluteHisto, RelativeHisto ) 获取Image图像Region区域的灰度相对直方图RelativeHisto和绝对直方图AbsoluteHisto。 注意:Region区域必须先计算过它的直方图。

gray_histo_abs ( Regions, Image : : Quantization : AbsoluteHisto ) 获取Image图像Region区域的灰度绝对直方图AbsoluteHisto。 Quantization:灰度值的量化、

gray_projections ( Region, Image : : Mode : HorProjection, VertProjection ) 计算Region区域在水平方向和垂直方向的灰度值投影。

histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : ) 计算二通道灰度图像的直方图

intensity ( Regions, Image : : : Mean, Deviation ) 计算region区域的灰度平均值和偏差

min_max_gray ( Regions, Image : : Percent : Min, Max, Range ) 计算Region区域的最大最小灰度值。 Range:最大灰度值和最小灰度值之间的差距

moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta,Mean ) 计算平面的灰度矩阵和灰度值的逼近参数。

plane_deviation ( Regions, Image : : : Deviation ) 逼近的图象平面计算灰度值偏差 

select_gray ( Regions, Image : SelectedRegions : Features, Operation,Min, Max : )

根据灰度值选择区域

Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、beta}

Operation∈{and、or}

shape_histo_all ( Region, Image : : Feature : AbsoluteHisto, RelativeHisto )

shape_histo_point ( Region, Image : : Feature, Row,Column : AbsoluteHisto, RelativeHisto )

获取阈值特征直方图

Feature∈{connected_components、convexity、compactness、anisometry、holes}

 

 程序:

[c-sharp] view plain copy
 
  1. read_image (Image, ‘G:/Halcon/机器视觉/images/bin_switch/bin_switch_3.png‘)  
  2. regiongrowing (Image, Regions, 3, 3, 1, 500)  
  3. area_center_gray (Regions, Image, Area, Row, Column)  
  4. cooc_feature_image (Regions, Image, 6, 0, Energy, Correlation, Homogeneity, Contrast)  
  5. elliptic_axis_gray (Regions, Image, Ra, Rb, Phi)  
  6. entropy_gray (Regions, Image, Entropy, Anisotropy)  
  7. estimate_noise (Image, ‘mean‘, 20, Sigma)  
  8. fit_surface_first_order (Regions, Image, ‘regression‘, 5, 2, Alpha, Beta, Gamma)  
  9. fit_surface_second_order (Regions, Image, ‘regression‘, 5, 2, Alpha1, Beta1, Gamma1, Delta, Epsilon, Zeta)  
  10. fuzzy_entropy (Regions, Image, 0, 255, Entropy1)  
  11. fuzzy_perimeter (Regions, Image, 0, 255, Perimeter)  
  12. gen_cooc_matrix (Regions, Image, Matrix, 6, 0)  
  13. dev_set_paint (‘histogram‘)  
  14. gray_projections (Regions, Image, ‘simple‘, HorProjection, VertProjection)  
  15. histo_2dim (Regions, Image, Image, Histo2Dim)  

 

 

运行结果:

技术分享

 

 

以上是关于Halcon学习之六:获取Image图像中Region区域的特征参数的主要内容,如果未能解决你的问题,请参考以下文章

Halcon学习之七:改变图像的现实方式和大小

Halcon学习之五:有关图像的定义域的函数

Halcon学习之三:有关图像通道的函数

Halcon学习之边缘检测函数

Halcon学习之二:摄像头获取图像和相关参数

Halcon学习之八:图像区域叠加与绘制