首页 > 代码库 > Halcon学习之六:获取Image图像中Region区域的特征参数
Halcon学习之六:获取Image图像中Region区域的特征参数
area_center_gray ( Regions, Image : : : Area, Row, Column ) 计算Image图像中Region区域的面积Area和重心(Row,Column)。
cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy,Correlation, Homogeneity, Contrast ) 计算共生矩阵和推导出灰度特征值
Direction:灰度共生矩阵计算的方向 Energy:灰度值能量 Correlation:灰度值的相互关系 Homogeneity:灰度值的均匀性 Contrast:灰度值的对比度
cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation,Homogeneity, Contrast ) 根据共生矩阵计算灰度特征值
elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi ) 计算Image图像的Region区域的Ra,Rb和Phi。
entropy_gray ( Regions, Image : : : Entropy, Anisotropy ) Image图像中Region区域的计算熵Entropy和各向异性Anisotropy。
estimate_noise ( Image : : Method, Percent : Sigma ) 从单一图像 Image中估计图像的噪声。
Sigma:加性噪声的标准偏差 Method :估计噪声的方法 Method∈{foerstner、immerkaer、least_squares、mean}、
fit_surface_first_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma ) 计算一阶灰度平面的灰度矩阵和灰度值的逼近参数。
Algorithm:采用的算法 Algorithm:迭代次数 ClippingFactor:消除临界值的削波系数
fit_surface_second_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta ) 计算二阶灰度平面的灰度矩阵和灰度值的逼近参数。
fuzzy_entropy ( Regions, Image : : Apar, Cpar : Entropy ) 确定区域Regions的模糊熵 将图像视为模糊集合 Apar为模糊区域的起始点 Cpar为模糊区域的结束点 Entropy为Regions的模糊熵
fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter ) 计算Region区域的模糊周长
gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : ) 生成Image图像Region区域的共生矩阵
gray_histo ( Regions, Image : : : AbsoluteHisto, RelativeHisto ) 获取Image图像Region区域的灰度相对直方图RelativeHisto和绝对直方图AbsoluteHisto。 注意:Region区域必须先计算过它的直方图。
gray_histo_abs ( Regions, Image : : Quantization : AbsoluteHisto ) 获取Image图像Region区域的灰度绝对直方图AbsoluteHisto。 Quantization:灰度值的量化、
gray_projections ( Region, Image : : Mode : HorProjection, VertProjection ) 计算Region区域在水平方向和垂直方向的灰度值投影。
histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : ) 计算二通道灰度图像的直方图
intensity ( Regions, Image : : : Mean, Deviation ) 计算region区域的灰度平均值和偏差
min_max_gray ( Regions, Image : : Percent : Min, Max, Range ) 计算Region区域的最大最小灰度值。 Range:最大灰度值和最小灰度值之间的差距
moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta,Mean ) 计算平面的灰度矩阵和灰度值的逼近参数。
plane_deviation ( Regions, Image : : : Deviation ) 逼近的图象平面计算灰度值偏差
select_gray ( Regions, Image : SelectedRegions : Features, Operation,Min, Max : )
根据灰度值选择区域
Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、beta}
Operation∈{and、or}
shape_histo_all ( Region, Image : : Feature : AbsoluteHisto, RelativeHisto )
shape_histo_point ( Region, Image : : Feature, Row,Column : AbsoluteHisto, RelativeHisto )
获取阈值特征直方图
Feature∈{connected_components、convexity、compactness、anisometry、holes}
程序:
- read_image (Image, ‘G:/Halcon/机器视觉/images/bin_switch/bin_switch_3.png‘)
- regiongrowing (Image, Regions, 3, 3, 1, 500)
- area_center_gray (Regions, Image, Area, Row, Column)
- cooc_feature_image (Regions, Image, 6, 0, Energy, Correlation, Homogeneity, Contrast)
- elliptic_axis_gray (Regions, Image, Ra, Rb, Phi)
- entropy_gray (Regions, Image, Entropy, Anisotropy)
- estimate_noise (Image, ‘mean‘, 20, Sigma)
- fit_surface_first_order (Regions, Image, ‘regression‘, 5, 2, Alpha, Beta, Gamma)
- fit_surface_second_order (Regions, Image, ‘regression‘, 5, 2, Alpha1, Beta1, Gamma1, Delta, Epsilon, Zeta)
- fuzzy_entropy (Regions, Image, 0, 255, Entropy1)
- fuzzy_perimeter (Regions, Image, 0, 255, Perimeter)
- gen_cooc_matrix (Regions, Image, Matrix, 6, 0)
- dev_set_paint (‘histogram‘)
- gray_projections (Regions, Image, ‘simple‘, HorProjection, VertProjection)
- histo_2dim (Regions, Image, Image, Histo2Dim)
运行结果:
- 顶
Halcon学习之六:获取Image图像中Region区域的特征参数