halcon处理灰度能量图

使用halcon处理射线图像,对高能区域和低能区域分割处理感兴趣区域,筛选区域下的灰度值区间范围。

图像灰度值为16位深度图。

python 复制代码
* 读取灰度图像
read_image (Image, '/123.tif')

*

* 获取图像尺寸
get_image_size (Image, Width, Height)

* 分割图像为左右两部分(高能量和低能量区域)
gen_rectangle1 (LeftROI, 0, 0, Height-1, Width/2-1)
gen_rectangle1 (RightROI, 0, Width/2, Height-1, Width-1)

* 提取左右区域图像
reduce_domain (Image, LeftROI, LeftImage)
reduce_domain (Image, RightROI, RightImage)

* 预处理 - 增强对比度
emphasize (LeftImage, LeftEnhanced, 7, 7, 1.0)
emphasize (RightImage, RightEnhanced, 7, 7, 1.0)

* 中值滤波去噪
median_image (LeftEnhanced, LeftFiltered, 'circle', 2, 'mirrored')
median_image (RightEnhanced, RightFiltered, 'circle', 2, 'mirrored')

* 阈值分割提取矿石区域
threshold (LeftFiltered, LeftRegions, 50, 43055)
threshold (RightFiltered, RightRegions, 50, 43055)

* 形态学处理去除小噪点
connection (LeftRegions, LeftConnected)
connection (RightRegions, RightConnected)
select_shape (LeftConnected, LeftOres, 'area', 'and', 500, 9999999)
select_shape (RightConnected, RightOres, 'area', 'and', 500, 9999999)

* 计算每个矿石区域的灰度特征
* 高能量矿石区域分析
count_obj (LeftOres, NumLeftOres)
for i := 1 to NumLeftOres by 1
    select_obj (LeftOres, SingleOre1, i)
    
    * 计算区域的平均灰度值
    intensity (SingleOre1, LeftFiltered, MeanIntensity1, Deviation1)
     min_max_gray (SingleOre1, LeftFiltered, 0, Min1, Max1, Range1)
    * 根据灰度值分类
    if (MeanIntensity1 > 180)
        Class := 'High-grade ore'
        Color := 'blue'
    elseif (MeanIntensity1 > 120)
        Class := 'Medium-grade ore'
        Color := 'yellow'
    else
        Class := 'Low-grade ore'
        Color := 'red'
    endif
    
    * 获取区域边界框
    smallest_rectangle1 (SingleOre1, Row1, Col1, Row2, Col2)
 
   
       gen_rectangle1 (Rectangle1, Row1, Col1, Row2, Col2)
    * 显示结果
    dev_set_color (Color)
    dev_display (SingleOre1)
    
   
endfor

* 低能量矿石区域分析
count_obj (RightOres, NumRightOres)
for j := 1 to NumRightOres by 1
    select_obj (RightOres, SingleOre2, j)
    
    * 计算区域的平均灰度值
    intensity (SingleOre2, RightFiltered, MeanIntensity2, Deviation2)
    min_max_gray (SingleOre2, RightFiltered, 0, Min2, Max2, Range2)
    * 根据灰度值分类(使用不同的阈值)
    if (MeanIntensity2 > 150)
        Class := 'High-grade ore'
        Color := 'green'
    elseif (MeanIntensity2 > 90)
        Class := 'Medium-grade ore'
        Color := 'yellow'
    else
        Class := 'Low-grade ore'
        Color := 'red'
    endif
    
    * 获取区域边界框
    smallest_rectangle1 (SingleOre2, Row1, Col1, Row2, Col2)
    gen_rectangle1 (Rectangle2, Row1, Col1, Row2, Col2)
    * 显示结果
    dev_set_color (Color)
    dev_display (SingleOre2)
   
endfor

stop()
相关推荐
Microvision维视智造3 小时前
10ppm是什么概念?锂电生产管控国标给AI视觉下了硬指标
人工智能·计算机视觉·视觉检测·机器视觉
爱吃程序猿的喵10 小时前
LingBot-Map 复现与原理剖析:基于 Geometric Context Transformer 的流式 3D 重建
人工智能·python·深度学习·计算机视觉·3d·transformer
ViperL111 小时前
[智能算法]NASSFG-显著特征指导的医学目标检测NAS
人工智能·目标检测·计算机视觉
2zcode1 天前
项目文档:基于MATLAB的肺结节自动分割与评估系统的设计与实现
人工智能·计算机视觉·matlab
matlab代码1 天前
基于Hough变换的道路提示牌检测标记系统【源码50期】
人工智能·计算机视觉·图像标记
格林威1 天前
工业相机Chunk功能全解析:图像嵌入时间戳、编码器元数据(附堡盟C#代码)
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
这张生成的图像能检测吗1 天前
(论文速读)SCNN:用于交通场景理解的空间CNN
人工智能·深度学习·目标检测·计算机视觉·道路线检测
小保CPP1 天前
OpenCV C++将多张图像合并为webp动图
c++·人工智能·opencv·计算机视觉
Microvision维视智造2 天前
从“看见“到“看懂“——工业视觉的大模型时刻到了吗?
人工智能·计算机视觉·视觉检测·机器视觉
小保CPP2 天前
OpenCV C++提取webp动图里的图片
c++·人工智能·opencv·计算机视觉