Halcon的快捷键以及算子结构介绍

ctrl+E   打开浏览例程

ctrl+F    查找

F1        查看帮助文档

F2        重置程序

F3        取消注释

F4        注释

F5        运行

F6        单步运行

F7        单步进入函数

F8        单步退出函数

draw_    表示界面互动的算子，需要人去画区域

gen_      表示生成类的算子，比如生成圆形、矩形等

get_       获取某些属性的算子

tuple_    代表与数组有关的算子

select_   代表筛选有关的算子

带有 contour表示轮廓xid有关的算子

带有 gray表示会读有关的算子

        halcon中算子主要分为两类，参数运算类，对象运算类；对象包括区域，轮廓xid、图像等。参数运算类一般都是数组等，一般输入输出都为数组，参数多数只有两个值；对于对象运算类算子，一般是第一参数是输入对象，第二个为输出对象，也就是运算结果，而第三行以外的为参数选项。

总结：熟练gen_circle_sector 、reduce_domain、difference算子，截取感兴趣区域，以及生成想要的扇形区域；

halcon的模板匹配可以归为三类：

1、基于灰度：灰度，互相关ncc

2、基于形状：形状，组件

3、基于描述符：描述匹配

应用场合：定位对象内部的灰度值没有大的变化，没有缺失部分，没有干扰图像和噪声的场合。

1创建模板：create_template()

2寻找模板：best_match()

3释放模板：clear_template()

应用场合：搜索对象有轻微的变形，大量的纹理，图像模糊等场合，速度快，精度低。

1创建模板：create_ncc_model()

2寻找模板：find_ncc_model()，find_ncc_models()

3释放模板：clear_ncc_model()

4get_ncc_model_region (ModelRegion, ModelID)

smallest_rectangle2 (ModelRegion, Row3, Column3, Phi, Length1, Length2)

应用场合：组件匹配是形状匹配的扩展，但不支持大小缩放匹配，一般用于多个对象（工件）定位的场合。

算法步骤：

1获取组件模型里的初始控件 gen_initial_components()

参数：

ModelImage [Input] 初始组件的

InitialComponents [Output] 初始组件的轮廓区域

ContrastLow [Input] 对比度下限

ContrastHigh [Input] 对比度上限

MinSize [Input] 初始组件的最小尺寸

Mode[Input] 自动分段的类型

GenericName [Input] 可选控制参数的名称

GenericValue [Input] 可选控制参数的值

2根据图像模型，初始组件，训练来训练组件和组件相互关系 train_model_components()

3创建组件模型 create_trained_component_model()

4寻找组件模型 find_component_model()

5释放组件模型 clear_component_model()

应用场合：定位对象内部的灰度值可以有变化，但对象轮廓一定要清晰平滑。

1创建形状模型：create_shape_model()

2寻找形状模型：find_shpae_model()

3释放形状模型：clear_shape_model()

应用场合：搜索对象有轻微的变形。

1创建模板：create_local_deformable_model()

2寻找模板：find_local_deformable_model()

3释放模板：clear_deformable_model()

应用场合：搜索对象有轻微的变形，透视的场合，根据一些描述点的位置和灰度值来进行匹配。

1创建模板：create_calib_descriptor_model()

2寻找模板：find_calib_descriptor_model()

3释放模板：clear_descriptor_model(）

前面总结了利用HALCON进行模板匹配的一些方法，讨论了利用物体形状的轮廓进行匹配的步骤和如何来优化匹配的速度，提高匹配的精度和速度，当然这两者之间本身也存在着制约，而在这两者之间找到一个适合自己要求的结合点，正是我们要研究和实验的。模板匹配并不是单纯的一个任务，它是一些其他工作的一个必备环节，比如物体识别、对象跟踪、检验产品、零件统计等等一些机器视觉应用。在很多情况下，模板匹配是个不错的选择。在前面总结模板匹配方法的基础上，利用HALCON做了一些视频对象跟踪的实验，并多次试验来调整程序参数优化跟踪过程，采用标准视频进行测试，将这些方法作了如下总结。

首先来看看HALOCN中的帧采集器（FrameGrabber），HDevelop提供这样一个函数来开启你采用的帧采集器（这里我的理解就是图像采集卡或工业摄像机）open_framegrabber()，这个函数中指定了HALCON目前支持的一些帧采集器的文件参数，主要有'BARRACUDA', 'BaumerFCAM', 'BCAM1394', 'BitFlow', 'DahengCAM', 'DahengFG', 'DFG-BW', 'DFG-LC', 'DirectFile', 'DirectShow', 'DT315x', 'DT3162', 'File', 'FireGrab', 'FirePackage', 'FlashBus', 'FlashBusMX', 'Ginga++', 'GingaDG', 'IDS', 'INSPECTA', 'Leutron', 'MatrixVision', 'MeteorII', 'mEnable3', 'MultiCam', 'Opteon', 'p3i2', 'p3i4', 'PT1000CL', 'PX', 'PXC', 'PXD', 'PXR', 'SaperaLT', 'TAG', 'TWAIN', 'uEye'；除此之外，在官方网站上也在逐步推出新支持的一些采集卡，比如近期推出的支持大恒的DahengCAM的USB20接口（更多的信息请访问>

最近看到一个例子，来自一个论坛，提问者想要计算图中木头的数量，悬赏了分值但是没人回复，我看到的时候这帖子已经过去好几年了。作为一个肤浅的初学者，我觉得这问题很有趣，所以打算从这个例子入手，研究下Halcon中的图像处理。

首先，从二值化开始，这张图在刚开始二值化之后出现一些问题。阈值设的高了，会弱化边角一些木头的局部区域，设的低了，会造成一些粘连。而且图像中还有一些干扰。如何在保留边角局部信息的情况下尽可能的防止粘连，是个问题。

结合这个问题，我的思路是分两步走。先把边角一些小的木头区域提取出来，再专门解决粘连的问题，问题得到了解决。

区分大小的依据主要是面积，在做了一些基本的预处理之后，可以把较小的一部分区域图像，如靠近四个边的部分木头，先分割出来了。这个过程中，需要对木头边缘做一些处理，去掉外圈的树皮，和一些干扰的区域，提取出木头截面的大块部分。

得到下图：

这一步就比较简单了，没有小面积区域的顾虑，可以做下腐蚀，让边缘更加清晰。这样就分割开来了。

把上一部分割出的大小区域分别合并，即得到木头的总数了。

btw：这个例子我也做过分水岭算法的测试，但是效果不尽如人意，主要是分割出来的区域太多了，比如图中那片白色的干扰物、右小方的竹棍等，也分割出来了。而边角一些木头的边缘区域又很难顾及到。也可能是参数设置的不够好，所以这个算法我还在研究。

以上是我自己的一些浅薄的思路，希望随着学习的深入，能发现更好的方式。

halcon用基于轮廓的模版匹配，匹配到之后，会有一个参数输出目标与原模版相比旋转的角度和坐标。原图的左上角点和右下角点连线，再把旋转之后图的上角与下角连线，测量两条线的角度。两个相等的三角形，对应角相等，再利用勾股定理，或三角函数即可得出旋转后图像的坐标点了。

坐标点角的介绍

方位角又称地平经度，是在平面上量度物体之间的角度差的方法之一。是从某点的指北方向线起，依顺时针方向到目标方向线之间的水平夹角。真方位角。某点指向北极的方向线叫真北方向线，而经线，也叫真子午线。

由真子午线方向的北端起，顺时针量到直线间的夹角，称为该直线的真方位角，一般用A表示。通常在精密测量中使用。磁方位角。地球是一个大磁体，地球的磁极位置是不断变化的，某点指向磁北极的方向线叫磁北方向线，也叫磁子午线。

在地形图南、北图廓上的磁南、磁北两点间的直线，为该图的磁子午线。由磁子午线方向的北端起，顺时针量至直线间的夹角，称为该直线的磁方位角，用Am表示。坐标方位角。由坐标纵轴方向的北端起，顺时针量到直线间的夹角，称为该直线的坐标方位角，常简称方位角，用a表示。

以上就是关于Halcon的快捷键以及算子结构介绍全部的内容，包括:Halcon的快捷键以及算子结构介绍、2021-03-22 halcon截取环形边缘并等分扇形划分、halcon模板匹配总结等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！