Halcon颜色分类-阈值分区法
2024-05-21 21:04:23
简介：
对RGB的单通道图像进行阈值分割。原理是利用每个通道的阈值分割是否能得到相应的区域来判断当前区域的颜色，可用于颜色分类。
介绍：
| MultiChannelImage (input_object) | Multichannel image. | 多通道图像 |
| Image1 (output_object) | Output image 1. | 通道1，R图像 |
| Image2 (output_object) | Output image 2. | 通道2，G图像 |
| Image3 (output_object) | Output image 3. | 通道3，B图像 |
| Image (input_object) | Input image. | 图像 |
| Region (output_object) | Segmented region. | 输出的分割区域 |
| MinGray (input_control) |
Lower threshold for the gray values. Default value: 128.0 Suggested values: 0.0, 10.0, 30.0, 64.0, 128.0, 200.0, 220.0, 255.0 |
灰度值的低阈值 |
| MaxGray (input_control) |
Upper threshold for the gray values. Default value: 255.0 Suggested values: 0.0, 10.0, 30.0, 64.0, 128.0, 200.0, 220.0, 255.0 Restriction: MaxGray >= MinGray |
灰度值的高阈值 |
| Region (input_object) | Input region. | 区域 |
| ConnectedRegions (output_object) | Connected components. | 输出的多个单独区域 |
| Regions (input_object) | Regions to be examined. | 检查的区域 |
| SelectedRegions (output_object) | Regions fulfilling the condition. | 输出的满足条件的区域 |
| Features (input_control) |
Shape features to be checked. Default value: 'area' List of values: 'anisometry', 'area', 'area_holes', 'bulkiness', 'circularity', 'column', 'column1', 'column2', 'compactness', 'connect_num', 'contlength', 'convexity', 'dist_deviation', 'dist_mean', 'euler_number', 'height', 'holes_num', 'inner_height', 'inner_radius', 'inner_width', 'max_diameter', 'moments_i1', 'moments_i2', 'moments_i3', 'moments_i4', 'moments_ia', 'moments_ib', 'moments_m02', 'moments_m02_invar', 'moments_m03', 'moments_m03_invar', 'moments_m11', 'moments_m11_invar', 'moments_m12', 'moments_m12_invar', 'moments_m20', 'moments_m20_invar', 'moments_m21', 'moments_m21_invar', 'moments_m30', 'moments_m30_invar', 'moments_phi1', 'moments_phi2', 'moments_psi1', 'moments_psi2', 'moments_psi3', 'moments_psi4', 'num_sides', 'orientation', 'outer_radius', 'phi', 'ra', 'rb', 'rect2_len1', 'rect2_len2', 'rect2_phi', 'rectangularity', 'roundness', 'row', 'row1', 'row2', 'struct_factor', 'width' |
要检查的形状特征 |
| Operation (input_control) |
Linkage type of the individual features. Default value: 'and' List of values: 'and', 'or' |
与和或 |
| Min (input_control) |
Lower limits of the features or 'min'. Default value: 150.0 Typical range of values: 0.0 ≤ Min ≤ 99999.0 Minimum increment: 0.001 Recommended increment: 1.0 |
特征值的下限 |
| Max (input_control) |
Upper limits of the features or 'max'. Default value: 99999.0 Typical range of values: 0.0 ≤ Max ≤ 99999.0 Minimum increment: 0.001 Recommended increment: 1.0 Restriction: Max >= Min |
特征值的上限 |
使用：
- 多通道图像转为单通道图像。
- 对单通道图像分别进行阈值分割，形状选择。
read_image (Image, 'E:/照片/RGB.jpg')
decompose3 (Image, Image1, Image2, Image3)color :=['R', 'G', 'B']
*RGB灰色图像分别对应Image1，Image2，Image3
gen_empty_obj (ImageConcat)
concat_obj (Image1, Image2, ObjectsConcat)
concat_obj (ObjectsConcat, Image3, ImageConcat)*阈值和面积
min_threshold := [236, 236, 236]
max_threshold := [255, 255, 255]
min_area := [800, 200, 1100]
max_area := [100000, 100000, 100000]all_color := []
all_row := []
all_col := []for i := 1 to |color| by 1select_obj (ImageConcat, ImageSelected, i)*阈值运算threshold (ImageSelected, Regions, min_threshold[i - 1], max_threshold[i - 1])*多个区域connection (Regions, ConnectedRegions)*面积选择select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', min_area[i - 1], max_area[i - 1])area_center (SelectedRegions, Area, Row, Column)count_obj (SelectedRegions, Number) *坐标和对应颜色all_row := [all_row, Row]all_col := [all_col, Column]for j := 1 to Number by 1all_color := [all_color, color[i - 1]]*disp_message (3600, color[i - 1], 'image', Row[j - 1], Column[j - 1], 'black', 'true')endfor
endfor
dev_display (Image)*显示
for j := 1 to |all_row| by 1disp_message (3600, all_color[j - 1], 'image', all_row[j - 1], all_col[j - 1], 'black', 'true')
endfor 
Halcon颜色分类-阈值分区法相关推荐
- 颜色分类识别代码matlab——分解RGB通道通过阈值来判断
颜色分类识别代码matlab--分解RGB通道通过阈值来判断 代码下载链接 代码下载链接 代码下载链接 首先有一张包含多种颜色的图片: 然后可以编写代码,来实现分别提取出不同颜色的操作:
- 视觉成长之路Halcon——颜色检测：GMM分类器
视觉成长之路Halcon--颜色检测:GMM分类器 前言 一.算子介绍 二.程序 总结 前言 通过系统案例学习GMM分类器在颜色识别中的应用 一.算子介绍 1.gen_rectangle1通过两个坐标 ...
- LeetCode--75.颜色分类(三路快排，计数排序)
颜色分类(C) 1. 题目描述 2. 题目解析 3. C语言实现 3.1 三路快排法 3.2 计数排序法 1. 题目描述 难度:中等 2. 题目解析 这道题需要注意一下几点: 原地进行排序,不可以另外 ...
- （转！）利用Keras实现图像分类与颜色分类
2018-07-19 全部谷歌渣翻加略微修改 大家将就的看哈 建议大佬们还是看看原文 点击收获原文 其中用到的示例文件 multi-output-classification 大家可以点击 下载 . ...
- Leetcode算法Java全解答--75. 颜色分类
Leetcode算法Java全解答–75. 颜色分类 文章目录 Leetcode算法Java全解答--75. 颜色分类 题目 想法 结果 总结 代码 我的答案 大佬们的答案 测试用例 其他 题目 给定 ...
- 极值分析：分块极大值BLOCK-MAXIMA、阈值超额法、广义帕累托分布GPD拟合降雨数据时间序列...
全文链接:http://tecdat.cn/?p=25348 你们可能知道,实际极值分析有两种常用方法:分块极大值Block-maxima.阈值超额法threshold excess(点击文末&quo ...
- 数据不平衡、不平衡采样、调整分类阈值、过采样、欠采样、SMOTE、EasyEnsemble、加入数据平衡的流程、代价敏感学习BalanceCascade、
数据不平衡.不平衡采样.调整分类阈值.过采样.欠采样.SMOTE.EasyEnsemble.加入数据平衡的流程.BalanceCascade.代价敏感学习 目录
- 机器学习 二分类分类阈值_分类指标和阈值介绍
机器学习 二分类分类阈值_分类指标和阈值介绍_weixin_26752765的博客-CSDN博客 机器学习 二分类分类阈值_分类指标和阈值介绍_weixin_26752765的博客-CSDN博客
- 《LeetCode力扣练习》第75题 颜色分类 Java
<LeetCode力扣练习>第75题 颜色分类 Java 一.资源 题目: 给定一个包含红色.白色和蓝色.共 n 个元素的数组 nums ,原地对它们进行排序,使得相同颜色的元素相邻,并按 ...
- python 三指针解决颜色分类
颜色分类 给定一个包含红色.白色和蓝色,一共 n 个元素的数组, 原地对它们进行排序,使得相同颜色的元素相邻,并按照红色.白色.蓝色顺序排列.此题中,我们使用整数 0. 1 和 2 分别表示红色.白色 ...
最新文章
- Webpack4 高手之路 第一天
- python打飞机源代码-如何用 Python 打飞机 ？
- matlab生成二维服从高斯分布的数据
- Spring Security——基于读写锁的动态权限配置FilterInvocationSecurityMetadataSource实现类
- python基础之序列类型的方法——列表元组
- 10.深度学习练习：Convolutional Neural Networks: Step by Step（强烈推荐）
- 自动驾驶论文解析(7)
- JDK安装、java环境配置(转)
- 几个安卓 app 暴露超1亿用户的数据
- vue cli3 一键 build 区分测试环境和正式环境
- 【渝粤教育】国家开放大学2018年秋季 0109-22T公司财务 参考试题
- 虚拟服务器ftp文件权限修改,虚拟主机用户ftp和apache用户文件互操作权限解决方法...
- 用U3D寻找看电视的感觉！！
- 智慧交通之智能红绿灯调控系统分析
- 卖出平仓是什么意思？
- SpringBoot之下载Excel
- 【韩顺平utility工具类】
- android内存扩展格式,一文看懂：如何为你的安卓手机选择合适的存储卡
- 解决premiere时间轴clip单元上右键Edit in audition编辑灰色失效的BUG
- 数字化工厂：车间智能工位机详解