halcon轮廓提取所涉及相关算子及轮廓提取算法如下：

1.read_image（）

函数原型：read_image(:Image:FileName:)
功能：加载图片，可以读取有不同文件格式的图像。
参数：
Image：是Hobject（输出参数）
FileName：是所读入的图像路径，图像格式可以是TIFF, GIF, BMP, JPEG, JPEG-2000, PNG, PCX, SUN-Raster, PGM, PPM, PBM 和 XWD。如果所读取图像没有指定路径，图像文件将从工程的当前路径和Halcon的图像路径搜索（该路径需在环境变量中设置）。

由函数read_image()可读入一个文件，也可读入多个文件，格式分别如下：
一个：read_image(Image,‘monkey’)
多个：read_image(Image,[‘ic_0’,‘ic_1’,‘ic_2’])
可被替换函数：read_sequence()

2.dev_open_window_fit_image（）

函数原型：dev_open_window_fit_image(Image : : Row, Column, WidthLimit, HeightLimit : WindowHandle)

功能：在给定的最小和最大范围内打开一个新的图形窗口，该窗口保留给定图像的长宽比。新图形窗口的位置由参数RowColumn给出，这些参数定义了图形窗口左上角的位置。
简单描述：
如果要限定新图形窗口的最大尺寸，必须分别在“宽度限制”和“高度限制”中限定一个值。为了限制最小和最大尺寸，“宽度限制”和“高度限制”必须包含一个包含两个元素的数组。第一个参数定义图形窗口的最小尺寸，第二个参数定义图形窗口的最寸。如果无法设置窗口大小以使其满足所有限制（给定图像的最小和最大宽度和高度以及纵横比），则忽略最小窗口大小的限制。
如果“宽度限制”为空或为负，则使用以下默认值：[500,800]。如果“高度限制”为空或为负，则使用以下默认值：[400,600]。

输入参数：Image：目标图片；
Row：新窗口左上角的行坐标。默认值为0，建议值: 0, 10, 50, 100, 150, 200, 500；
Column：新窗口左上角的列坐标。默认值为0，建议值: 0, 10, 50, 100, 150, 200, 500；
WidthLimit：窗口的宽度限制。默认值为-1，建议值: 300, 400, 500, 600, 800, 1000, [300,600], [500,800]；
HeightLimit：窗口的高度限制。默认值为-1，建议值: 300, 400, 500, 600, 800, 1000, [300,600], [500,800]。

输出参数： WindowHandle：新图形窗口的窗口句柄。

例程：

read_image (Image, ‘mreut’)

//打开一个新的窗口，尺寸均为默认值

dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle1)

//打开一个新的窗口，左上角的坐标为(50,50)，最小尺寸限制为，最大尺寸限制为300 x 200

dev_open_window_fit_image (Image, 50, 50, [300,600], [200,400], WindowHandle2)

3.dev_display（）

函数原型：dev_display(Object : : : )
功能：在活动图形窗口中显示对象。对象包括图片（image）、区域（region）和边缘轮廓（XLD）。

4.threshold（）

threshold——用来分割图像
函数原型：threshold(Image : Region : MinGray, MaxGray : )
参数：

Image为图像输入参数，是输入图像；
Region为图像输出参数，是分割后的结果；
MinGray 和MaxGray为控制输入参数，分割的最小灰度值与最大灰度值。

功能：选择满足输入控制参数的灰度值之内的灰度值，当所有的像素点都满足这个区域的话，就有一个区域，当有多个像素段满足这个限制，每个像素段对应一个区域。

可能的前置应用函数：
histo_to_thresh()（根据直方图决定灰度值门限）
min_max_gray()（计算区域内最大最小灰度值）
sobel_amp()（Sobel算子检测边缘）
binomial_filter()（binomial滤波器平滑图像）
gauss_image()（离散高斯函数平滑图像）
reduce_domain()（缩小图像区域）
fill_interlace()（插补两个半个视频图像）

可能的后置应用函数：
connection()（连接区域）
dilation1()（扩大区域）
erosion1()（腐蚀区域，变小）
opening()（打开区域）
closing()（关闭区域）
rank_region()（归类区域）
shape_trans()（改变区域形状）
skeleton()（计算区域框架）

可被替换函数：
class_2dim_sup()（采用二维空间像素分类分割图像）
hysteresis_threshold()（磁滞门限操作）
dyn_threshold()（局域阀值分割图像）
bin_threshold()（自动产生的阀值分割图像）
char_threshold()（为提取的字符产生一个分割阀值）
auto_threshold()（直方图决定阀值分割图像）
dual_threshold()（对标记的图像做门限操作）

5.connection()

connection——区域连通，可将阈值分割的不相连的区域分割成单个区域
函数原型：connection(Region : ConnectedRegions : : )
功能：分离一个区域中相连接的部分（变成多个区域)，用不同颜色表示出来。进行连通操作，也就是把邻域内（4连通或者8连通）区域归纳为一个区域，方便后面的select_shape进行感兴趣区域选。
通常我们在阈值分割后，需要提取目标物体，为了提取目标物体不得不先找到连通区域，而提取连通区域的关键是邻域的搜索类型。我们可以通过set_system（‘neighborhood’，<4/8>）设置用于此邻域，邻域默认值为8。

可以通过 set_system(‘max_connection’, Num )设置连接返回的最大连接组件数。默认值0导致返回所有连接的组件。
输入参数：Region：输入一个区域；
输出参数：ConnectedRegions：输出独立并且相连接的的区域
示例：
read_image(Image,‘clip’)
dev_set_colored(12)
threshold(Image,Dark,0,150)
count_obj(Dark,NumThresholded)
dev_display (Dark)
connection(Dark,ConnectedRegions)
count_obj(ConnectedRegions,NumConnected)
dev_display (ConnectedRegions)

6.select_shape()

select_shape ——计算区域连接部分
函数原型：select_shape ( Regions : SelectedRegions : Features, Operation, Min, Max : )
功能：根据区域要求的特征提取适应的区域。筛选的特征有很多，如面积长度等，可以去掉不满足条件的轮廓。
输入参数：
Regions ：输入需要测的区域（数组）；
Features ：输入要检测的特征（为以上函数的特征系数），常见的有：‘area’, ‘row’, 'column’等
Operation: 特征的方式，默认: and , 参考 'and’全部特征， 'or’特征之—
Min：输入该特征的最小值，范围:0.0 ≤ Min ≤ 99999.0
Max：输入该特征的最大值，范围：0.0 ≤ Max ≤ 99999 0, Max>= Min
输出参数：SelectedRegions : 输出符合的区域（数组），不符合的区域不会出现在该数组内。

7.shape_trans()

shape_trans——变换区域的形状
函数原型：shape_trans(Region : RegionTrans : Type : )
参数列表
Region（in）：被变换的区域
RegionTrans（out）：变换后的区域
Type（in）：变换类型

参数Type的可选项解释如下：
convex：凸包性
ellipse：与输入区域有相同的矩和区域的椭圆
outer_circle：最小外接圆
inner_circle：最大内接圆
rectangle1：平行于坐标轴的最小外接矩形
rectangle2：最小外接矩形
inner_rectangle1：平行于坐标轴的最大内接矩形
inner_rectangle2：输入区域的骨架点拥有同输入区域的重心点最小的距离

注意：如果Type是outer_circle，最终的圆形区域不是完全覆盖输入区域，因为内部算法原理是由算子smallest_circle和gen_circle完成的。由smallest_circle计算的半径能够小到1/sqrt(2)-0.5个像素。同时，由gen_circle生成的圆在双方向上由0.5个像素转换。因此，当加入双方的影响，原因区域可能要超出返回圆形区域至多1个像素

8.gen_contour_region_xld (Operator)

gen_contour_region_xld —从区域生成XLD轮廓
函数原型：gen_contour_region_xld(Regions : Contours : Mode : )
作用：gen_contour_region_xld从Regions中给定的区域生成XLD轮廓轮廓。如果已经从分割操作获得了区域，则该算子很有用，但是要在其边界上执行更高级别的算子，例如多边形逼近和平行线提取。对于输入区域的每个连接部分，将生成边界的闭合轮廓。 参数Mode可以采用以下值：
‘center’:边界像素的中心用作轮廓点。
‘border’:边界像素的外边界用作轮廓点。
‘border_holes’:除了输入区域的外边界之外，您还可以获得所有孔的轮廓。

参数：
Regions(input_object):输入区域；
Contours (output_object) ：产生的轮廓；
Mode (input_control)：轮廓生成模式。
默认值：“边框”
值列表：“边界”，“边界孔”，“中心”

9.fit_rectangle2_contour_xld

函数原型：fit_rectangle2_contour_xld(Contours : : Algorithm, MaxNumPoints, MaxClosureDist, ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Phi, Length1, Length2, PointOrder)

fit_rectangle2_contour_xld对轮廓Contours 用算法Algorithm进行矩形拟合，返回矩形参数Row, Column(中心)、Phi(方向)以及Length1和Length2(半边长)参数。角度以弧度返回，表示水平轴与Length1边之间的夹角(数学上正方向(逆时针方向))。
此外，轮廓的点顺序以PointOrder返回。PointOrder = 'positive’表示沿着数学上正确的方向(逆时针方向)遍历轮廓线。

函数参数：
Contours ：要被拟合的轮廓
Algorithm：拟合算法名，有 ‘huber’, ‘regression’, ‘tukey’
MaxNumPoints：用于计算的最大轮廓点数量(-1表示所有点)。
MaxClosureDist：被认为是闭合的轮廓的端点之间的最大距离。
ClippingEndPoints：拟合时忽略轮廓开始点和结束点的个数。
Iterations：最大迭代次数(不用于“regression”)。
ClippingFactor：裁剪因子用于消除异常值(典型的:1.0表示“huber”，2.0表示“tukey”)。
Row，Column，Phi，Length1，Length2，PointOrder为输出矩形参数
中心点坐标，旋转角度，长短边一半，轮廓的点顺序，有正反向 ‘negative’, ‘positive’

10.edges_image

函数原型：edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )
功能：使用Deriche, Lanser, Shen或者Canny 滤波器进行边缘提取

参数：
Image (input_object) : 单通道图像（数组）
ImaAmp (output_object)：多通道图像（数组），边缘振幅或梯度大小图像。
ImaAmp：输出变量，说的是edges的amplitude，其实就是梯度的大小（因为边缘检测最重要的几种方法中一种就是基于灰度值梯度的计算，这个算子中用的那些滤波器就是这样的）。
注释：单通道图像指的是图像的一个颜色分量，通常用的是3通道（RGB）或 4通道（RGBA）
ImaDir (output_object)：边缘方向图像
Filter (input_control) ：滤波器的选择，默认为canny，
‘deriche1_int4’, ‘deriche2’, ‘deriche2_int4’, ‘lanser1’,‘lanser2’, ‘shen’, ‘mshen’,‘canny’,‘sobel_fast’。
Alpha (input_control)：滤波器的参数。默认值为1.0，值越小会使图像越平滑，但图像信息会丢失。建议使用值：0.1, 0.2, 0.3, 0.4, 0.5, 0.7, 0.9, 1.1。范围：0.2 ≤ Alpha ≤ 50.0。值必须是大于零的数。
NMS (input_control)：无最大值限制。默认为’nms’ ，可选为nms’, ‘inms’, ‘hvnms’, ‘none’ 。
Low (input_control) ：低于滞后性阈值参数设置。默认值为20.建议值为5, 10, 15, 20, 25, 30, 40。
High (input_control) ：超出滞后性阈值参数设置。默认为40，建议值为：10, 15, 20, 25, 30, 40, 50, 60, 70。
ImaDir：输出变量，这个说的是edges的方向，其实就是看灰度值变化的方向了，计算出灰度值是由小变大还是由大变小了。
Alpha这个值在使用的时候要注意，小一些的值会导致比较强的平滑，从而图像中的细节就会变得更少。（和Canny算子正好相反，因为Canny算子用的是Gauss原理，所以那个值越大越平滑
NMS这个变量是用来控制我们是否使用非极大值抑制技术（这个技术主要是在Canny检测中提出来的）
Low, High 就是指定一个双阈值了。

例程：

read_image(Image,'fabrik')
dev_close_window()
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (Image)
*提取白色纸片区域，并提取矩形
stop()
threshold (Image, Union3, 163, 255)
connection (Union3, ConnectedRegions)//对完整的区域进行分离
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 5000, 99999)//根据特征值选择区域
shape_trans (SelectedRegions, RegionTrans, 'convex')
gen_contour_region_xld (RegionTrans, Contours, 'border')
fit_rectangle2_contour_xld (Contours, 'regression', -1, 0, 0, 3, 2, Row, Column, Phi, Length1, Length2, PointOrder)Radtio:=1//设像素的物距为这
*height 为毫米单位
Height:=Length1*2*Radtio
Width:=Length2*2*Radtio
gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)//在这生成了一个矩形，后面的五个参数即为上面生成的五个参数
*将结果进行一个显示
dev_display (Image)
dev_set_draw ('margin')
dev_display (Rectangle)

【Halcon轮廓提取】相关推荐

Halcon轮廓提取
简介: 对目标区域进行轮廓提取,可以用于判定形状等. 介绍: boundary(获取一个区域的边界) Region (input_object) Regions for which the bou ...
OpenCV（25）轮廓检测（轮廓提取、属性、近似轮廓、外接矩形和外接圆）
目录一.轮廓检测基础理论 1.轮廓概述 2.API介绍 1.cv.findContours函数(查找轮廓) 2.cv.drawContours函数(画出轮廓) 检测轮廓并画出:(用二值图检测轮廓) ...
边缘检测、Hough变换、轮廓提取、种子填充、轮廓跟踪
转自:http://blog.sina.com.cn/s/blog_6c083cdd0100nm4s.html 7.1 边沿检测我们给出一个模板和一幅图象 .不难发现原图中左边暗,右边亮,中间存在 ...
基于深度学习的图像边缘和轮廓提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达导读:边缘和轮廓的提取是一个非常棘手的工作,细节也许就会被过强的图 ...
一种新型鱼眼图像轮廓提取算法
from: http://www.scimao.com/read/2307651 摘要:提取鱼眼图像轮廓是利用鱼眼图像的前提.传统提取鱼眼图像轮廓的扫描线逼近法对噪点抑制能力不强,精度差.本 ...
python opencv轮廓提取_Python + Opencv2 实现轮廓提取，轮廓区域面积计算
对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结束,还需对轮廓所勾勒的像素面积区域统计计算. 本篇文章的主要内容就是 ...
【OpenCV函数】轮廓提取;轮廓绘制;轮廓面积;外接矩形
FindContours 在二值图像中寻找轮廓 int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_cont ...
python cv2 轮廓的包络面积_Python + Opencv2 实现轮廓提取，轮廓区域面积计算
对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结束,还需对轮廓所勾勒的像素面积区域统计计算. 本篇文章的主要内容就是 ...
Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法
Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法原文:Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法 [函数名称] 二值图像轮廓提取 ...
基于机器视觉的眼镜镜片轮廓提取
基于机器视觉的眼镜镜片轮廓提取眼镜的镜片轮廓提取,可以用于镜片轮廓本身的精准度测量,当然用在一些灰色产业链上,如仿制名牌眼镜,通过提取名牌眼镜片的轮廓,得到其数据,然后制作一些高仿的眼镜. 眼镜镜片 ...

【Halcon轮廓提取】