Halcon 边缘提取

这篇具有很好参考价值的文章主要介绍了Halcon 边缘提取。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

算子

edges_image 对于图像进行边缘提取

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

参数:

Image :输入图像

ImaAmp:边缘振幅(梯度大小)图像

ImaDir :图像边缘方向

Filter:边缘算子

Alpha:过滤器参数,小的值导致强平滑,但是更少的细节(canny算子相反)

NMS:非最大抑制(设置为none,表示不需要使用该值)

Low:滞后阈值操作的下阈值(如果不需要阈值设置,则为负值)

High :滞后阈值操作的上阈值(如果不需要阈值设置,则为负值)

close_edges 关闭边缘间隙,封闭图形

close_edges(Edges, EdgeImage : RegionResult : MinAmplitude : )

输入包含边缘的区域、

输入振幅图像、

输出包含闭合边缘的结果区域、

输入最小边缘振幅( 1 ≤ MinAmplitude ≤ 255

frei_amp 获取边缘幅度

frei_amp(Image : ImageEdgeAmp : : )

参数翻译(顺序对应以上参数顺序):

输入图像、

输出梯度图像

kirsch_amp 边缘幅度

kirsch_amp(Image : ImageEdgeAmp : : )

参数

输入图像、

输出幅度图像、

kirsch_dir 使用Kirsch算子检测边缘(幅值和相位)

kirsch_dir(Image : ImageEdgeAmp, ImageEdgeDir : : )
参数

输入图像、

输出幅度图像、

输出图像边缘方向

sobel_amp 边缘提取

sobel_amp(算子)

sobel_amp - 使用Sobel算子检测边缘(幅度)。

sobel_amp(图片:边缘图像:滤波器方式,掩膜大小:)

boundary 对区域轮廓进行提取

boundary(Region输入区域,
		RegionBorder输出区域边界,
		BoundaryType边界的类型‘inner’或‘outer’)

skeleton 提取骨架

  求取区域骨架:skeleton

算子:skeleton(Region : Skeleton : : )

示例:skeleton (RegionTrans, Skeleton)

RegionTrans(输入对象):输入一个区域对象

Skeleton(输出对象):输出这个区域的骨架  骨架是由单个像素连接起来的

gen_contours_skeleton_xld 生成亚像素骨架轮廓

gen_contours_skeleton_xld(Skeleton : Contours : Length, Mode : )

示例:gen_contours_skeleton_xld (Skeleton1, Contours2, 1, 'filter')

Skeleton1(输入对象):输入骨架对象

Contours2(输出对象):输出转为轮廓对象

1(输入控制参数1):输入提取的轮廓线包含的最小的点数

'filter'(输入控制参数2):输入过滤模式

nonmax_suppression_dir 非极大值点抑制(降噪)

nonmax_suppression_dir(EdgeAmplitude, EdgeDirection, ImageResult, ‘nms’)
参数解释:
EdgeAmplitude 输入的振幅(梯度幅值)图像。
EdgeDirection 输入的方向图像
ImageResult 输出的结果图

Halcon edges_image 示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
edges_image (Image, ImaAmp, ImaDir, 'lanser2', 0.5, 'nms', 12, 22)
* 将幅度图像进行二值化
threshold (ImaAmp, Edges, 1, 255)
* 提取骨架
skeleton (Edges, Skeleton)
* 形成亚像素轮廓
gen_contours_skeleton_xld (Skeleton, Contours, 1, 'filter')
dev_display (Image)
dev_set_colored (6)
dev_display (Contours)

Halcon frei_amp 示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
frei_amp (Image, ImageEdgeAmp)
threshold (ImageEdgeAmp, Region, 20, 255)
skeleton (Region, Skeleton)
dev_display (Image)
dev_set_color ('red')
dev_display (Skeleton)

Halcon kirsch_amp示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
kirsch_amp (Image, ImageEdgeAmp)
threshold (ImageEdgeAmp, Region, 70, 255)
skeleton (Region, Skeleton)
dev_display (Image)
dev_set_color ('red')
dev_display (Skeleton)

Halcon sobel_amp示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 3)
threshold (EdgeAmplitude, Region, 10, 255)
skeleton (Region, Skeleton)
dev_display (Image)
dev_set_color ('red')
dev_display (Skeleton)

Halcon sobel_amp 算子示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
sobel_amp (Image, EdgeAmplitude, 'sum_abs', 3)
threshold (EdgeAmplitude, Region, 10, 255)
skeleton (Region, Skeleton)
dev_display (Image)
dev_set_color ('red')
dev_display (Skeleton)

Halcon sobel_dir 算子示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

read_image (Image, 'fabrik')
sobel_dir (Image, EdgeAmplitude, EdgeDirection, 'sum_abs', 3)
nonmax_suppression_dir (EdgeAmplitude, EdgeDirection, ImageResult, 'nms')
threshold (ImageResult, Region, 10, 255)
dev_display (Image)
dev_set_color ('red')
dev_display (Region)

Halcon close_edges关闭图像间隙示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能

Halcon close_edges_length关闭图像间隙示例

Halcon 边缘提取,计算机视觉,图像处理,人工智能文章来源地址https://www.toymoban.com/news/detail-810631.html

read_image (Image, 'fabrik')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowID)
sobel_amp (Image, EdgeAmplitude, 'thin_sum_abs', 3)
threshold (EdgeAmplitude, Edges, 30, 255)
close_edges (Edges, EdgeAmplitude, EdgesExtended, 15)
dev_set_color ('green')
dev_display (EdgesExtended)
dev_set_color ('red')
dev_display (Edges)

到了这里,关于Halcon 边缘提取的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 计算机视觉——图像处理基础

    随着计算机视觉的不断发展,图像的预处理成为分析图像的必然前提,本文就介绍图像处理的基础内容。 图像中,高频部分是图像中像素值落差很大的部分,如图像边缘,该部分的有用信息经常被噪声淹没。降低高频段的噪声是设计图像滤波器的关键。 图像滤波器就是一个

    2024年01月19日
    浏览(58)
  • 机器视觉、图像处理和计算机视觉:概念和区别

    机器视觉、图像处理和计算机视觉:概念和区别nbsp; 机器视觉、图像处理和计算机视觉是相关但有区别的概念。 机器视觉主要应用于工业领域,涉及图像感知、图像处理、控制理论和软硬件的结合,旨在实现高效的运动控制或实时操作。 图像处理是指利用计算机对图像进行

    2024年02月06日
    浏览(45)
  • 图像处理与计算机视觉算法

    图像处理与计算机视觉算法是实现对图像和视频内容分析、理解和操作的一系列技术。这些算法可以分为多个类别,包括但不限于以下几个主要方面: 预处理 : 像素操作:灰度化、二值化、直方图均衡化等,用于改善图像的对比度和亮度分布。 去噪:高斯滤波、中值滤波、

    2024年02月22日
    浏览(50)
  • 计算机视觉图像处理常用方法汇总

    光线进入眼睛:当光线从一个物体反射或散射出来,进入人的眼睛时,它们通过角膜和晶状体进入眼球内部。 聚焦光线:角膜和晶状体将光线聚焦在视网膜上。晶状体可以通过调整其形状来调节聚焦距离,使物体的图像清晰地映射在视网膜上。 光敏细胞感受光线:视网膜是

    2024年02月07日
    浏览(52)
  • 图像处理/计算机视觉期刊投稿经验

    我不配,以后有机会再说吧。 我也不配,以后有机会再说吧。 2022年投过,一个月之后被编辑immediate reject, 原因是“the scope not aligning well with the theme interest and/or desired genres of TSP”。在邮件的末尾,编辑表示manuscript的选题“well motivated”并且“interesting”,主要担忧是所用到的

    2024年02月08日
    浏览(51)
  • 【计算机视觉】数字图像处理(六)—— 图像压缩

    (一)、图像编码技术的研究背景 1. 信息信息传输方式发生了很大的改变 通信方式的改变 文字+语音 图像+文字+语音 通信对象的改变 人与人 人与机器,机器与机器 2. 图像传输与存储需要的信息量空间 (1)彩色视频信息 对于电视画面的分辨率640 480的彩色图像,每秒30帧,

    2024年02月05日
    浏览(80)
  • 【计算机视觉】数字图像处理(四)—— 图像增强

    图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息,同时抑制一些不需要的信息,提高图像的使用价值。 图像增强方法 图像增强方法从增强的作用域出发,可

    2023年04月16日
    浏览(103)
  • 计算机视觉(2)——图像预处理

    二、图像预处理 2.1 介绍  2.2 特征提取方法 2.2.1 直方图 2.2.2 CLAHE 2.2.3 形态学运算 2.2.4 空间域处理及其变换 2.2.5 空间域分析及变换  (1) 均值滤波 (2)中值滤波 (3)高斯滤波 (4) 梯度Prewitt滤波 (5) 梯度Sobel滤波 (6) 梯度Laplacian滤波 (7) 其他滤波  2.2.6 频域分

    2024年02月03日
    浏览(58)
  • (计算机视觉课程-笔记1)图像边缘检测

    Sobel算子是一种常用于图像处理和计算机视觉中的边缘检测算法。它用于识别图像中的边缘区域,即图像中灰度值发生剧烈变化的地方。Sobel算子基于图像的灰度梯度,通过计算每个像素点周围像素的灰度值差异,来确定边缘的位置和方向。 Sobel算子主要由两个3x3的矩阵组成,

    2024年02月16日
    浏览(49)
  • 计算机视觉实验:图像处理综合-路沿检测

    目录 实验步骤与过程 1. 路沿检测方法设计 2. 路沿检测方法实现 2.1 视频图像提取 2.2 图像预处理 2.3 兴趣区域提取 2.4 边缘检测 ​​​​​​​2.5 Hough变换 ​​​​​​​2.6 线条过滤与图像输出 3. 路沿检测结果展示 4. 其他路沿检测方法 实验结论或体会 实验内容: 针对

    2024年02月14日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包