学习海康VisionMaster之四边形查找

一：进一步学习了

今天学习下VisionMaster中的四边形查找，这个还是拟合直线的衍生应用，可以同时测量四条直线并且输出交点或者判定是否有交点

二：开始学习

1：什么是四边形查找？

按照传统的算法，必须是开四个窗口，每一个窗口检测一条边，然后计算四条边的交点，为后续的应用场景输出交点坐标，这样就比较麻烦，现在一个窗口直接搞定，简单直接快速

2：应用场景：这个应用场景其实在机器视觉的场景下应用还是非常广泛的

三：直接上案例

1：先导入需要测试的图片集合

2：使用轮廓定位，把两个组件的线连起来，这里是需要设定模版匹配功能，这样图像不管怎么旋转都能准确定位图像位置，具体操作步骤可以参考前面课程

3：拖入位置修正功能：这个非常重要，这里也不提了，可以参考上一篇笔记

4：拖入四边形查找模块

5：双击组件，开始设定参数

（1）：首先得先画ROI: 这里还是比较方便的，工具直接生成了4个直线测量框，并且方向都标注好了，我们可以随意拖动到四个边缘位置即可

（2）：然后开始设定参数:具体的参数其实是和之前的直线查找是一样的，因为底层算法其实还是拟合直线算法，相当于做了一个封装

1）：边缘选择，边缘1/2/3/4，这里就是选择需要设定哪一条边缘的参数

2）：边缘类型：最强：在边缘检测方向上查找梯度变化最大的边缘点，并将其拟合为直线。

第一条：查找边缘方向上寻找到的第一个点组合成点集合

最后一条：查找边缘方向上寻找到的最后一个点组合成点集合

3）：边缘极性：从黑到白：就是梯度变化是黑色像素向白色像素过渡的边缘点

从白到黑：就是梯度变化是白色像素向黑色像素过渡的边缘点

任意：只要有梯度变化并且满足条件的点

4）：边缘阈值：边缘梯度，只有实际的边缘梯度数值大于这个设定值，才会有效检测到边缘

5）：卡尺数量：定义卡尺的数量，相当于每个卡尺检测一个点

6）：滤波尺寸：设定边缘的清晰程度条件，边缘如果越清晰，这个数值就要减小

7）：投影宽度：类似于ROI宽度，就是每一个小检测框的宽度，数值越大，可以相对获取更加稳定一点的坐标点

8）：剔除点数，剔除距离：和剔除距离配合使用，允许坐标点到对应拟合直线的最大距离(像素)

9）：初始拟合：局部：按照局部的特征点来拟合

全局:以查找到的全局特征点进行直线拟合。

10）：拟合方式：提供了三个拟合算法，三种拟合算法权重的计算方式有些差异

四：实测：上述设定好参数，开始实际测量看看效果：这里就非常方便的只用了一个窗口，就把4个边缘位置都抓准了，自动计算出了中心坐标