C++ opencv复现halcon算子 connection()和select_shape()

一、引言

一般在使用halcon做blob分析的时候，threshold()、connection()、select_shape()这三个算子是结合起来使用的。通过threshold()算子进行二值化目标分割提取，通过connection()将各目标关联起来，然后利用select_shape()对各目标进行筛选。

二、halcon效果

经过threshold之后的connection()算子处理的图像为左边效果；经过select_shape()算子，通过面积与圆度两个判断条件，筛选后的图像为右边的效果。

三、C++ opencv实现

threshold()算子实现

这个算子就类似opencv的threshold()函数，通过二值化分割出前景与背景目标。opencv实现效果如下：

connection()算子实现

这个算子，就类似于opencv的连通域分析函数connectedComponentsWithStats（）。将全部的前景目标，根据是否存在连通，将其进行分开。opencv实现效果如下：

select_shape()算子实现

这个算子在opencv中没有明确的类似的函数。熟悉select_shape()算子的原理后，可以通过opencv进行实现，select_shape()算子中最核心的就是其中的一个特征筛选参数Halcon学习之select_shape（）算子参数介绍_selectshape算子-CSDN博客，可以通过这个参数，来对不同的目标进行筛选。

这里使用opencv实现了部分参数，这里使用的是area面积和圆度roundness，两个参数共同约束来实现的筛选。

opencv实现前景区域的area是很简单是，连通域分析中会有，圆度的话，需要公式来计算实现，圆度计算公式为：

计算圆度 (4*π*面积/周长²)

cpp 复制代码

			// 计算周长
			double perimeter = arcLength(contour, true);
			// 计算圆度 (4*π*面积/周长²)
			if (perimete> 0) {
				roundness = (4 * CV_PI * area) / (perimeter * perimeter);
			}

最终实现的筛选效果如下：

四、

select_shape()这个算子筛选特征的参数太多了，如果全部实现也挺难的。