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
兵慌码乱3 天前
基于 MediaPipe 与 PySide2 的手势交互音乐控制系统实现:轻量化视觉交互全流程解析
python·opencv·计算机视觉·人机交互·手势识别·mediapipe·pyside2
小小杨树6 天前
读懂色彩:拍照调色不再难
算法·计算机视觉·配色
H__Rick7 天前
自动对焦学习-3
人工智能·学习·计算机视觉
计算机科研狗@OUC8 天前
(cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimation
人工智能·深度学习·计算机视觉
qq_366566508 天前
2026最新:5款AI视频口型同步工具实测横评,视频翻译后嘴型对不上的终极解决方案
人工智能·计算机视觉·新媒体运营
梦想三三8 天前
OpenCV银行卡数字识别项目(图像预处理与字符分割)
人工智能·opencv·计算机视觉
kaikaile19958 天前
图像稀疏化分解 + 压缩感知(CS)重建 MATLAB
开发语言·计算机视觉·matlab
武子康8 天前
调查研究-180 roboflow/supervision:计算机视觉工程里的“胶水层“,为什么值得关注?
人工智能·opencv·计算机视觉·chatgpt·llm·向量化
YOLO数据集集合8 天前
无人机风电设备智能巡检 风机叶片缺陷目标检测数据集实战 | 表面腐蚀漏油识别 工业视觉质检 深度学习模型训练落地10337期
人工智能·深度学习·目标检测·计算机视觉·无人机