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
骄傲的心别枯萎3 小时前
RV1126 NO.37:OPENCV的图像叠加功能
人工智能·opencv·计算机视觉·音视频·视频编解码·rv1126
这张生成的图像能检测吗6 小时前
(论文速读)Fast3R:在一个向前通道中实现1000+图像的3D重建
人工智能·深度学习·计算机视觉·3d重建
心 爱心 爱6 小时前
Shape-Guided Dual-Memory Learning for 3D Anomaly Detection 论文精读
计算机视觉·3d·异常检测·工业异常检测·三维异常检测·多模态工业异常检测·二维异常检测
沃达德软件13 小时前
智能识别车辆驾驶人特征
人工智能·目标检测·计算机视觉·目标跟踪·视觉检测
曼城的天空是蓝色的13 小时前
GroupNet:基于多尺度神经网络的交互推理轨迹预测
深度学习·计算机视觉
zl_vslam13 小时前
SLAM中的非线性优-3D图优化之轴角在Opencv-PNP中的应用(一)
前端·人工智能·算法·计算机视觉·slam se2 非线性优化
B站_计算机毕业设计之家14 小时前
深度血虚:Django水果检测识别系统 CNN卷积神经网络算法 python语言 计算机 大数据✅
python·深度学习·计算机视觉·信息可视化·分类·cnn·django
这张生成的图像能检测吗14 小时前
(论文速读)LyT-Net:基于YUV变压器的轻量级微光图像增强网络
图像处理·人工智能·计算机视觉·低照度
却道天凉_好个秋19 小时前
OpenCV(十九):图像的加法运算
opencv·计算机视觉
音视频牛哥21 小时前
从 RTSP/RTP/RTCP 到系统级时间闭环:跨平台低延迟RTSP播放架构解析
计算机视觉·机器人·音视频·rtsp播放器·linux rtsp播放器·windows rtsp播放器·安卓播放rtsp流