Halcon之第1讲---基本概念以及基础算子的学习

文章目录

前言

之前做项目一直用的opencv最近发现halcon做图像项目更加的精确，也更适合工业大项目，所以进行学习，接下来我将会不断更新我的学习教程，方便以后自己查阅，也为了方便广大网友；

学习目录

由于我有opencv的基础所以就照着opencv的学习思路进行学习，算法都是相通的，他们的底层原理都一样我接下来主要熟悉halcon的语法，以及MVTec HDevelop操作界面的一些基本操作；

HDevelop 界面熟悉：程序窗口、变量窗口、图形窗口、单步调试、断点、F1 帮助
基础算子：read_image、dev_open_window、dev_close_window、dev_display、dev_clear_window、write_image
读取图片，创建窗口，绘制矩形 ROI，保存处理后的图像

熟悉界面

界面介绍

在HDevelop界面中有三部分，以下图片中

第一部分是程序窗口，进行程序的编写；

第二部分是图形窗口，显示图像的；

第三部分是变量窗口，显示程序中所涉及到的所有的变量；

如果不小心以上窗口被关闭了，可以在窗口导航栏重新打开；

以上导航栏中默认罗列着一些常用的功能，像运行（F5），单步调试（F6），注释程序（F4）等，可以自己在软件里面进行熟悉一下。

我们学习halcon最好的办法就是跟着官方教程来学习，我们可以从帮助导航栏查看官方文档；

还可以跟着官网的例子教程学习，在导航栏文件那一栏里面有一个浏览示例程序的选项，我们可以跟着程序学习会更快速，也更有助于理解；

如果在程序中遇到不会的函数可以把光标放到该函数处按F1就会出现该函数的帮助文档；如下图所示。

参数和数据结构

Halcon有两种基本的数据形态：
图像数据：例如： Image、Region、Xld(亚像素)
控制数据：例如：浮点数、整数、字符串、handle 等等
所有的运算算子参数都是以相同的参数方式排列：
输入图像：输出图像：输入控制：输出控制
并不是所有的算子都有以上四类参数，但是参数的排列的顺序是相同的；
例如：如果一个算子没有输入控制，和输出控制，那在相应位置处的参数是空的；如下算子

同理如果别的参数没有的话，参数的对应位置也是空的；

基础算子

基础的图片I/O和窗口操作

bash 复制代码

#读取一张图片并把图片数据赋值给Image
read_image (Image, 'printer_chip/printer_chip_01')  
#重新打开一个长宽都是512个像素，背景为黑色的窗口
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
#关闭最新打开的窗口
dev_close_window ()
#显示读取的图片
dev_display (Image)
#清除最新打开窗口里面的内容
dev_clear_window ()
#把图片保存在你设置的路径里面
write_image (Image, 'png', 0, 'D:/learn/halcon/test.png')

图像色彩空间转换

灰度转换

bash 复制代码

#输入一张图片
read_image (Image, 'D:/learn/halcon/lena.png')
#对图片灰度化处理（Image为一个三通道的图片）
rgb1_to_gray (Image, GrayImage)

通道的分离

bash 复制代码

#读取一张三通道的图片
read_image (Image, 'D:/learn/halcon/lena.png')
#分离一个三通道的图片
decompose3 (Image, Image1, Image2, Image3)
#星号里面的代码都是为了把三张图片并排在一个窗口显示而写的
***************
concat_obj (Image1, Image2, ObjectsConcat)
concat_obj (ObjectsConcat, Image3, ObjectsConcat1)
tile_images (ObjectsConcat1, TiledImage, 3, 'vertical')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (TiledImage)
***************
#合并三个单通道的图片成一张三通道的图片
compose3 (Image1, Image2, Image3, MultiChannelImage)

以上图片依次是R、G、B通道的图片；

转换到hsv颜色空间

bash 复制代码

#读取一张三通道图片
read_image(Image,'patras')
dev_display(Image)
#通道分离
decompose3(Image, Image1, Image2, Image3)
#从rgb颜色空间转换到hsv颜色空间
trans_from_rgb(Image1,Image2,Image3,ImageH,ImageS,ImageV,'hsv')
#从hsv颜色空间转换到rgb颜色空间
trans_to_rgb(ImageH,ImageS,ImageV,ImageR,ImageG,ImageB,'hsv')
#合并三个通道的图片成三通道的图片
compose3(ImageR,ImageG,ImageB,Multichannel)
dev_display(Multichannel)

示例：通过HSV空间分割出图片中红色区域

bash 复制代码

read_image(Image,'patras')
decompose3(Image, Image1, Image2, Image3)
trans_from_rgb(Image1,Image2,Image3,ImageH,ImageS,ImageV,'hsv')
threshold (ImageH, Region_low, 0, 20)
threshold (ImageH, Region_high, 245, 255)
union2 (Region_low, Region_high, RegionH)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (RegionH)

运行结果：

从上图可以看出红色区域基本被分割出来；

阈值算子

threshold --- 使用全局阈值分割图像

bash 复制代码

#读取一张图片
read_image(Image,'fabrik')
#全局固定阈值
threshold (Image, Region, 185, 255)

auto_threshold --- 根据图像直方图自动生成阈值进行图像分割

bash 复制代码

read_image(Image,'fabrik')
auto_threshold (Image, Regions, 2)

dyn_threshold --- 使用局部阈值对图像进行分割

bash 复制代码

read_image(Image,'fabrik')
dyn_threshold (Image, Image, RegionDynThresh, 5, 'light')

三种阈值算子的区别：

threshold：固定全局灰度区间，整张图统一阈值

auto_threshold：基于直方图，自动多区域全局阈值

dyn_threshold：局部动态阈值，原图与平滑背景对比

滤波算子

高斯滤波
作用：可以去除高斯噪声，颗粒随机噪点，随机噪声

bash 复制代码

#输入一张图片
read_image (Image, 'D:/learn/halcon/lena.png')
#在这张图片上加入高斯噪声（白噪声）
add_noise_white (Image, ImageNoise, 60)
#高斯滤波算子
gauss_filter (ImageNoise, ImageGauss, 7)
#创建一个窗口
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
#展示经过高斯滤波后的图片
dev_display (ImageGauss)

以上图片左侧为原图，中间为加了高斯噪声的图片，右侧为高斯滤波处理过的图片；

中值滤波
作用：可以去除椒盐噪声

bash 复制代码

#输入一张图片
read_image (Image, 'D:/learn/halcon/jiaoyan.png')
#中值滤波处理图片
median_image (Image, ImageMedian, 'circle', 1, 'mirrored')
#把原图和中值滤波后的图片放到一个元组里面
concat_obj (Image, ImageMedian, ObjectsConcat)
#打开一个窗口方便显示图片
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
#把两张图片在一个窗口里面显示
tile_images (ObjectsConcat, TiledImage, 2, 'horizontal')

以上图片左侧为有椒盐噪声的图片，右侧为经过中值滤波处理后的图片；可以看到处理效果还是很不错的；

双边滤波
作用：平滑平坦区域，边缘不模糊；

bash 复制代码

read_image (Image, 'tooth_rim')
bilateral_filter (Image, Image, ImageBilateral, 3, 20, [], [])

引导滤波
作用：性能接近双边滤波，运算速度更快，适合流水线视觉项目。

bash 复制代码

read_image (Image, 'tooth_rim')
guided_filter (Image, Image, ImageGuided, 3, 20)

以上是halcon的基础操作，如果帮到您了请点赞加收藏，如果有错误欢迎指正！