Halcon例程分析8：投影变换矫正倾斜图像

打开halcon，按下ctrl+e打开halcon自带例程。方法->二维码识别->2d_data_codesrectify_symbol.hdev

*This program demonstrates how to read a slanted
* 2d data code by preprocessing with rectification
*
dev_update_off()
dev_close_window()
* Get the image and display it
*读取并显示图像
read_image(Image_slanted, 'datacode/ecc200/ecc200_to_preprocess_001')
dev_open_window_fit_image(Image_slanted, 0, 0, -1, -1, WindowHandle)
set_display_font(WindowHandle, 14, 'mono', 'true', 'false')
*设置画笔颜色与宽度
dev_set_color('green')
dev_set_line_width(3)
*定义一些显示信息变量
Message : = 'This program demonstrates how to preprocess'Message[1] : = 'a slanted 2d data code with rectification'Message[2] : = 'before reading the data code symbol.'*显示信息disp_message(WindowHandle, Message, 'window', 12, 12, 'black', 'true')disp_continue_message(WindowHandle, 'black', 'true')stop()* Initialize coordinates*定义坐标变量，这是需要进行变换的原始图像的四个边角坐标，在实际项目中这些数据可以通过blob分析或其他方式获取到XCoordCorners : = [130, 225, 290, 63]YCoordCorners : = [101, 96, 289, 269]** Display the slanted image and the corners of the symbol*生成十字叉，方便显示在图像上*第一个参数输出变量*第二个参数十字的X坐标*第三个参数十字的Y坐标*第四个参数十字叉大小*第五个参数十字叉的方向gen_cross_contour_xld(Crosses, XCoordCorners, YCoordCorners, 6, 0.785398)*显示dev_display(Image_slanted)dev_display(Crosses)disp_message(WindowHandle, 'Slanted image', 'window', 12, 12, 'black', 'true')Message : = 'The marked corners are used to generate a'Message[1] : = 'homogeneous transformation matrix which'Message[2] : = 'defines the projective transformation for'Message[3] : = 'the rectification of the symbol.'disp_message(WindowHandle, Message, 'window', 380, 12, 'black', 'true')disp_continue_message(WindowHandle, 'black', 'true')stop()** First generate a transformation matrix using the given points* of the corners of the data code symbol and the corresponding points* of a quare.*求出投影变换矩阵*第一个参数原图像的X坐标*第二个参数原图像的Y坐标*第三个参数原图像的W坐标，因为是在同一个平面上，全设置为1，*第四个参数目标图像上的X坐标*第五个参数目标图像上的Y坐标*第六个参数目标图像上的W坐标*第七个参数变换方式选择，对于常规几何问题，选择'normalized_dlt'*第八个参数输出的投影变化矩阵hom_vector_to_proj_hom_mat2d(XCoordCorners, YCoordCorners, [1, 1, 1, 1], [70, 270, 270, 70], [100, 100, 300, 300], [1, 1, 1, 1], 'normalized_dlt', HomMat2D)** Now rectifiy the slanted image by applying the projective transformation*对原图像进行投影变换*第一个参数输入的倾斜图像*第二个参数输出矫正后的图像*第三个参数求出的投影变换矩阵*第四个参数投影后的图像插值方式*第五个参数是否适应图像大小，false是变换图跟原图一样大小*第五个参数是否对原图像所有像素进行投影变换projective_trans_image(Image_slanted, Image_rectified, HomMat2D, 'bilinear', 'false', 'true')** Create the data code model and search* for the data code in the rectified imagecreate_data_code_2d_model('Data Matrix ECC 200', [], [], DataCodeHandle)*寻找二维码轮廓与解析二维码数据find_data_code_2d(Image_rectified, SymbolXLDs, DataCodeHandle, [], [], ResultHandles, DecodedDataStrings)** Display resultdev_display(Image_slanted)dev_display(Image_rectified)dev_display(SymbolXLDs)disp_message(WindowHandle, 'Decoding successful ', 'window', 12, 12, 'black', 'true')set_display_font(WindowHandle, 12, 'mono', 'true', 'false')disp_message(WindowHandle, DecodedDataStrings, 'window', 350, 70, 'forest green', 'true')

测试用于矫正的原图像

较矫正后测试的二维码图像

上面的官方的例子个人感觉不是很直观，下面是我自己写的一个例程，矫正一个放置倾斜的二维码，思路跟上面是完全一样的

dev_update_on()dev_close_window()* Get the image and display it*读取并显示图像read_image(Image_slanted, 'C:/Users/Administrator/Desktop/6.jpg')dev_open_window_fit_image(Image_slanted, 0, 0, -1, -1, WindowHandle)set_display_font(WindowHandle, 14, 'mono', 'true', 'false')dev_display(Image_slanted)stop()*blob分析找到二维码的位置create_data_code_2d_model('QR Code', [], [], DataCodeHandle)find_data_code_2d(Image_slanted, SymbolXLDs, DataCodeHandle, [], [], ResultHandles, DecodedDataStrings)dev_display(Image_slanted)dev_display(SymbolXLDs)get_contour_xld(SymbolXLDs, Rows, Cols)Rows: = remove(Rows, 4)Cols : = remove(Cols, 4)** First generate a transformation matrix using the given points* of the corners of the data code symbol and the corresponding points* of a quare.*求出投影变换矩阵*第一个参数原图像的X坐标*第二个参数原图像的Y坐标*第三个参数原图像的W坐标，因为是在同一个平面上，全设置为1，*第四个参数目标图像上的X坐标*第五个参数目标图像上的Y坐标*第六个参数目标图像上的W坐标*第七个参数变换方式选择，对于常规几何问题，选择'normalized_dlt'*第八个参数输出的投影变化矩阵hom_vector_to_proj_hom_mat2d(Rows, Cols, [1, 1, 1, 1], [100, 250, 250, 100], [250, 250, 100, 100], [1, 1, 1, 1], 'normalized_dlt', HomMat2D)** Now rectifiy the slanted image by applying the projective transformation*对原图像进行投影变换*第一个参数输入的倾斜图像*第二个参数输出矫正后的图像*第三个参数求出的投影变换矩阵*第四个参数投影后的图像插值方式*第五个参数是否适应图像大小，false是变换图跟原图一样大小*第五个参数是否对原图像所有像素进行投影变换projective_trans_image(Image_slanted, Image_rectified, HomMat2D, 'bilinear', 'false', 'true')** Create the data code model and search* for the data code in the rectified imagecreate_data_code_2d_model('QR Code', [], [], DataCodeHandle)*寻找二维码轮廓与解析二维码数据find_data_code_2d(Image_rectified, SymbolXLDs, DataCodeHandle, [], [], ResultHandles, DecodedDataStrings)** Display resultdev_display(Image_rectified)dev_display(SymbolXLDs)disp_message(WindowHandle, 'Decoding successful ', 'window', 12, 12, 'black', 'true')set_display_font(WindowHandle, 12, 'mono', 'true', 'false')disp_message(WindowHandle, DecodedDataStrings, 'window', 350, 70, 'forest green', 'true')

待矫正图像原图

矫正效果图

Halcon例程分析8：投影变换矫正倾斜图像相关推荐

Halcon例程分析6：圆弧测量工具
* Example for the application of the measure package * including a lot of visualization operators * ...
Halcon例程学习：adaption_ocv.hev（光学字符检测）
**************************************************************************************************** ...
Halcon例程（基于多个标定图的单目相机标定）详解—— Camera_calibration_multi_image.hdev
一.前言在我的工业相机专栏里已经将相机标定涉及到的理论部分讲解完毕,为什么要标定以及标定要求出什么参数呢,用一个Halcon 例程来帮助理解. 这个例程是比较经典的标定程序,基本将标定过程讲的比较清 ...
【youcans 的 OpenCV 例程 200 篇】107. 退化图像的维纳滤波
欢迎关注『youcans 的 OpenCV 例程 200 篇』系列,持续更新中欢迎关注『youcans 的 OpenCV学习课』系列,持续更新中 [youcans 的 OpenCV 例程 2 ...
Halcon例程学习：print_check.hev（光学字符检测）
**************************************************************************************************** ...
【OpenCV 例程200篇】220.对图像进行马赛克处理
文章目录:『youcans 的 OpenCV 例程200篇 - 总目录』 [youcans 的 OpenCV 例程200篇]220.对图像进行马赛克处理 9. 图像的马赛克处理马赛克效果是广泛使用的 ...
一文弄懂halcon例程：rim.hdev
一文弄懂halcon例程:rim.hdev 打怪的路上总是无聊的,但是也不能不打啊,我自己现在也在每天打怪升级呢.昨天就因为一个问题,我到视觉群问里面的大牛,结果,他不帮我解答,他不告诉我怎么解决就算 ...
【youcans 的 OpenCV 例程200篇】194.寻找图像轮廓（cv.findContours）
OpenCV 例程200篇总目录-202205更新 [youcans 的 OpenCV 例程200篇]194.寻找图像轮廓(cv.findContours) 1. 轮廓轮廓是一系列相连的像素点组成 ...
Hi3518EV300-venc例程分析
Hi3518EV300-venc例程分析前言: MAPI 层业务流程 VENC录像流程: 1.定义要绑定的VCap,VProc,VENC变量 2.start vcap 3.start vproc( ...

Halcon例程分析8：投影变换矫正倾斜图像

Halcon例程分析8：投影变换矫正倾斜图像相关推荐

最新文章

热门文章