一、提要

對(duì)于官方幫助文件的案例，需要逐一跟蹤代碼，掌握這些技能不很容易，因?yàn)檫@需要多種算子互相搭配，可以說(shuō)每一個(gè)案例都針對(duì)一個(gè)測(cè)量場(chǎng)景，因此，學(xué)習(xí)halcon不要從一個(gè)一個(gè)算子做起，而要從案例做起。因?yàn)榫唧w問(wèn)題不同，方法也不同，比如，地圖的邊緣提取，和加工零件的邊緣提取做法有不同，注意這種細(xì)節(jié)。

二、必要的算子介紹

2.1 dev_set_draw

dev_set_draw 定義區(qū)域的填充模式。如果 DrawMode 設(shè)置為“filled”，則區(qū)域顯示為填充，如果設(shè)置為“margin”，則僅顯示輪廓。在 'margin' 模式下，輪廓的外觀會(huì)受到 dev_set_line_width、set_line_approx 和 set_line_style 的影響。

1）算子形式

dev_set_draw( : : DrawMode : )

2）參數(shù)描述

DrawMode參數(shù)兩個(gè)選項(xiàng)（“filled”，和 “margin”），設(shè)定完后，顯示區(qū)域方式就變了，如圖：

.2 area_center

獲得區(qū)域的面積和中心位置。

運(yùn)算符 area_center 計(jì)算輸入?yún)^(qū)域的面積和中心。面積定義為一個(gè)區(qū)域的像素?cái)?shù)。中心分別計(jì)算為所有像素的行坐標(biāo)或列坐標(biāo)的平均值。如果傳遞了多個(gè)區(qū)域，則結(jié)果存儲(chǔ)在元組中，元組中值的索引對(duì)應(yīng)于輸入?yún)^(qū)域的索引。在空白區(qū)域的情況下，如果沒(méi)有設(shè)置其他行為，則所有參數(shù)的值都為 0.0（參見(jiàn) set_system）。

1）算子形式

area_center(Regions : : : Area, Row, Column)

2）參數(shù)描述

Regions :輸入?yún)^(qū)域

Area, 區(qū)域面積

Row, 行坐標(biāo)

Column，列坐標(biāo)

2.3 orientation_region

運(yùn)算符orientation_region 計(jì)算區(qū)域的方向。運(yùn)算符基于 elliptic_axis。此外，計(jì)算輪廓上與重心距離最大的點(diǎn)。如果在旋轉(zhuǎn)坐標(biāo)系中，該點(diǎn)的列坐標(biāo)小于重心的列坐標(biāo)，則將 的值加到角度上。如果傳遞了多個(gè)區(qū)域，則結(jié)果存儲(chǔ)在元組中，元組中值的索引對(duì)應(yīng)于輸入中區(qū)域的索引。

1）算子形式

orientation_region(Regions : : : Phi)

2）參數(shù)描述

Regions :輸入?yún)^(qū)域

Phi, 輸出角度，就是區(qū)域不對(duì)稱的旋轉(zhuǎn)角度。也就是外接矩形的角

disp_cross (WindowID, RowCenterRegion, ColumnCenterRegion, 15, 0)

disp_arrow (WindowID, RowCenterRegion, ColumnCenterRegion, RowCenterRegion - 60 * sin(OrientationRegion), ColumnCenterRegion + 60 * cos(OrientationRegion), 2)

顯示十字叉、箭頭。

三、邊緣提取算子

3.1 edges_sub_pix

edges_sub_pix 使用遞歸實(shí)現(xiàn)的濾波器（根據(jù) Deriche、Lanser 和 Shen）或 Canny 提出的傳統(tǒng)實(shí)現(xiàn)的“高斯導(dǎo)數(shù)”濾波器（使用濾波器掩碼）檢測(cè)階梯邊緣。

1）算子形式

edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )

2）參數(shù)解釋

Image : 輸入圖像

Edges : 輸出邊緣像素

Filter,：算法選擇，可選擇算法是【'deriche1', 'lanser1', 'deriche2', 'lanser2', 'shen', 'mshen', 'canny', 'sobel', and 'sobel_fast'】

Alpha,

Low,

High :

3）參數(shù)詳細(xì)

edges_sub_pix 使用遞歸實(shí)現(xiàn)的濾波器（根據(jù) Deriche、Lanser 和 Shen）或 Canny 提出的傳統(tǒng)實(shí)現(xiàn)的“高斯導(dǎo)數(shù)”濾波器（使用濾波器掩碼）檢測(cè)階梯邊緣。因此，可以使用以下邊緣運(yùn)算符：“deriche1”、“l(fā)anser1”、“deriche2”、“l(fā)anser2”、“shen”、“mshen”、“canny”、“sobel”和“sobel_fast”

（參數(shù)過(guò)濾器）。

提取的邊緣在 Edges 中作為亞像素精確的 XLD 輪廓返回。對(duì)于除 'sobel_fast' 之外的所有邊緣運(yùn)算符，為每個(gè)邊緣點(diǎn)定義了以下屬性（參見(jiàn) get_contour_attrib_xld）：

'edge_direction' 邊緣方向

'angle' 法線向量到輪廓的方向（當(dāng)輪廓從起點(diǎn)到終點(diǎn)遍歷時(shí)，法線向量指向輪廓的右側(cè)；角度是相對(duì)于圖像的行軸給出的） .)

“響應(yīng)”邊緣幅度（梯度幅度）

除了'sobel'和'sobel_fast'之外的所有邊緣算子的“濾波器寬度”（即平滑量）可以任意選擇，可以通過(guò)調(diào)用info_edges來(lái)估計(jì)參數(shù)Alpha的具體值。對(duì)于所有過(guò)濾器（Deriche、Lanser 和 Shen 過(guò)濾器），“過(guò)濾器寬度”隨著 Alpha 的增加而減小。唯一的例外是 Canny 過(guò)濾器，其中增加的 Alpha 也會(huì)導(dǎo)致“過(guò)濾器寬度”的增加。“寬”濾波器對(duì)噪聲表現(xiàn)出更大的不變性，但檢測(cè)小細(xì)節(jié)的能力也有所下降。非遞歸過(guò)濾器，例如 Canny 過(guò)濾器，是使用過(guò)濾器掩碼實(shí)現(xiàn)的，因此增加過(guò)濾器寬度會(huì)增加執(zhí)行時(shí)間。相反，遞歸過(guò)濾器的執(zhí)行時(shí)間不取決于過(guò)濾器的寬度。因此，使用 Derche、Lanser 和 Shen 過(guò)濾器可以實(shí)現(xiàn)任意過(guò)濾器寬度，而不會(huì)增加操作員的運(yùn)行時(shí)間。與 Canny 算子相比，由此產(chǎn)生的速度優(yōu)勢(shì)自然會(huì)隨著更大的過(guò)濾器寬度而增加。作為邊界處理，遞歸算子假設(shè)圖像在圖像之外為零，而 Canny 算子在圖像邊界處重復(fù)灰度值。可通過(guò)以下 Alpha 選擇獲得可比較的過(guò)濾器寬度：

3.2 get_contour_attrib_xld

獲取線段的屬性特征參數(shù)值。

1）算子格式

get_contour_attrib_xld(Contour : : Name : Attrib)

2）參數(shù)解釋

Contour：輸入曲線對(duì)象XLD

Name：屬性名稱，值域?yàn)椤?'regr_norm_row', 'regr_norm_col', 'regr_mean_dist', 'regr_dev_dist', 'cont_approx', 'bright_dark', 'is_hole'】

Attrib：輸出屬性值，1表示肯定，0表示否定

3）參數(shù)詳細(xì)

用query_contour_global_attribs_xld(SingleSegment,Attribs)函數(shù)可以獲取屬性，只有【cont_approx】一項(xiàng)，因此，其它選項(xiàng)都不能用。

Name參數(shù)的值的意義：

cont_approx：有曲率的曲線，此時(shí)，Attrib=-1，直線；Attrib=0，橢圓；Attrib=1，圓

四、距離測(cè)量項(xiàng)目

4.1 項(xiàng)目描述

在下列工件中，測(cè)量出四個(gè)圓周的圓心之間距離。項(xiàng)目需要以下知識(shí)點(diǎn)：

如何區(qū)域生成？

如何邊緣提取？

如何xld生成

如何xld分段？

xld分段如何訪問(wèn)？

如何獲取曲線特征參數(shù)？

如何中心點(diǎn)距離測(cè)量？

4.2 參考代碼

read_image (Image, 'metal-parts/metal-parts-01')

get_image_size (Image, Width, Height)

dev_close_window ()

dev_open_window (0, 0, Width, Height, 'light gray', WindowID)

dev_set_draw ('fill')

threshold (Image, Region, 100, 255)

clear_window(WindowID)

disp_region(Region, WindowID)

edges_sub_pix (Image, Edges, 'canny', 0.6, 30, 70)

segment_contours_xld (Edges, ContoursSplit, 'lines_circles', 6, 4, 4)

dev_clear_window ()

dev_set_colored (12)

dev_display (ContoursSplit)

count_obj (ContoursSplit, NumSegments)

dev_display (Image)

NumCircles := 0

RowsCenterCircle := []

ColumnsCenterCircle := []

for i := 1 to NumSegments by 1

select_obj (ContoursSplit, SingleSegment, i)

get_contour_global_attrib_xld (SingleSegment, 'cont_approx', Attrib)

if (Attrib == 1)

NumCircles := NumCircles + 1

fit_circle_contour_xld (SingleSegment, 'atukey', -1, 2, 0, 5, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)

gen_circle_contour_xld (ContCircle, Row, Column, Radius, 0, rad(360), 'positive', 1)

RowsCenterCircle := [RowsCenterCircle,Row]

ColumnsCenterCircle := [ColumnsCenterCircle,Column]

dev_display (ContCircle)

endif

endfor

distance_pp (RowsCenterCircle[1], ColumnsCenterCircle[1], RowsCenterCircle[2], ColumnsCenterCircle[2], Distance_2_3)

distance_pp (RowsCenterCircle[0], ColumnsCenterCircle[0], RowsCenterCircle[2], ColumnsCenterCircle[2], Distance_1_3)

distance_pp (RowsCenterCircle[3], ColumnsCenterCircle[3], RowsCenterCircle[4], ColumnsCenterCircle[4], Distance_4_5)

編輯：黃飛