halcon學習筆記模板匹配
阿新 • • 發佈：2019-01-07
halcon的模板匹配種類有很多種，方法各有優缺點，一般有基於灰度的匹配，基於形狀的匹配等等，這裡具體理論和方法不做詳解，只簡單總結一個例項。影象匹配一般需要對旋轉放縮排行處理，另外為了提高搜尋效率，常用用影象金字塔來處理模板影象，影象金子塔就是把影象按一定演算法，縮小為不同比例的模板，減少畫素。一般的模板匹配流程如下：
所以首先建立模板，模板的建立就是採集一張自己需要的原始影象，如下我採集的原始影象：
我需要的是銀聯那個標誌，生成模板的原始碼如下：
- read_image (Image, 'E:/HalconTest/實驗2d匹配/exp/110.jpg')
- *讀取模板影象
- rgb1_to_gray (Image, GrayImage)
- *灰度操作
- gen_rectangle1 (ROI_0, 189.5, 531.5, 325.5, 717.5)
- *選擇要匹配的影象，去除不必要的
- reduce_domain (GrayImage, ROI_0, ImageReduced2)
- *減少影象，分割出切除的那部分
- bin_threshold (ImageReduced2, Region1)
- *自動灰度閾值處理
- connection (Region1, ConnectedRegions1)
- *求聯通域
- select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 8, 14016)
- *選擇影象
- reduce_domain (ImageReduced2, SelectedRegions1, ImageReduced3)
- *分割出影象
- inspect_shape_model (ImageReduced3, ModelImages1, ModelRegions1, 4, 30)
- *建立一個形狀的表示模型
- create_scaled_shape_model (ImageReduced3, 'auto', rad(-45), rad(90), 'auto', 0.9, 1, 0, 'no_pregeneration', 'ignore_global_polarity', 'auto', 'auto', ModelID)
- *使用用影象建立帶有縮放的匹配模板，上面的灰度分割什麼的其實可以不要
- *NumLevels 最高金子塔層數
- *AngleStart 開始角度加rad(90)是將弧度制轉為角度值
- *AngleExtent 角度範圍
- *AngleStep 旋轉角度步長
- *ScaleMin 模板行方向縮放最小尺度
- *ScaleMax 模板行方向縮放最大尺寸
- *MinScore 最低匹配分值 百分比
- *ScaleStep 步長
- *Optimization 優化選項 是否減少模板點數
- *Metric 匹配度量級性旋轉
- *MinContrast 最小對比度
- *ModelID 生成模板ID
- write_shape_model (ModelID, 'C:/Users/shanwenjun/Desktop/img_model3.shm')
- *生成模板檔案
生成的模板檔案要用來進行匹配，下面是我用攝像頭進行實時匹配的影象：
匹配的的原始碼如下，左上角是影象處理過程疊加的：
- dev_close_window ()
- dev_open_window (0, 0, 640, 480, 'black', WindowHandle)
- *先關閉活動圖形視窗，再開啟這個視窗，識別符號為WindowHandle；
- *相對於介面左上角第0行、第0列，大小是我相機的拍照比例，顏色為黑色。
- open_framegrabber ('MindVision11', 1, 1, 0, 0, 0, 0, 'progressive', 8, 'Gray', -1, 'false', 'auto', 'Camera MV-U130RC#C17D8221-3', 0, -1, AcqHandle)
- *DirectShow是筆記本攝像頭或者其他DirectShow的攝像頭，MindVision11是我相機的攝像頭；
- * 注意攝像頭的名稱,可以用工具欄中的“助手”——開啟新的Image Acquisition獲取攝像頭及插入程式碼
- grab_image_start (AcqHandle, -1)
- while (true)
- grab_image_async (Image, AcqHandle, -1)
- * Calibration 01: Code generated by Calibration 01
- CamParOriginal:= [0.01629,-2024.24,8.30436e-006,8.3e-006,710.402,361.975,1280,960]
- CameraPose := [-0.0236413,0.0135896,0.152813,16.2821,3.05758,76.5791,0]
- *上面是我相機的標定量，根據自己相機標定填寫，此段程式碼不可直接用
- CamParVirtualFixed:=CamParOriginal
- CamParVirtualFixed[1]:=0
- *上面是標定時候的引數設定
- gen_radial_distortion_map(MapFixed,CamParOriginal,CamParVirtualFixed,'bilinear')
- *生產徑向畸變對映圖，
- *mapfixed是輸出，
- *CamParOriginal是標定後的引數，
- *CamParVirtualFixed也是輸出的引數，
- *'bilinear'對映型別
- map_image(Image,MapFixed,ImageRectifiedFixed)
- *利用對映，消除影象畸變運算元
- read_shape_model ('E:/HalconTest/實驗2d匹配/img_model/img_model3.shm', ModelID)
- *讀取影象
- find_scaled_shape_model (ImageRectifiedFixed, ModelID, rad(-180), rad(180), 0.5, 1.2, 0.3, 1, 0.5, 'none', 4, 0.9, Row, Column, Angle, Scale, Score)
- *尋找單個帶尺度形狀模板最佳匹配
- *ImageRectifiedFixed 要搜尋的影象
- *ModelID 模板ID
- *AngleStart 開始角度加rad(90)是將弧度制轉為角度值
- *AngleExtent 角度範圍
- *ScaleMin 模板行方向縮放最小尺度
- *ScaleMax 模板行方向縮放最大尺寸
- *MinScore 最低匹配分值 百分比
- *NumMatches 匹配例項的個數
- *MaxOverlap 最大重疊 在有重疊時也可檢測匹配
- *SubPixel 是否亞畫素精度
- *NumLevels 金子塔層數
- *Greediness 搜尋貪婪度； 0安全慢；1塊不穩定；其他就是介於中間值
- *剩下的幾個引數是匹配影象的位置狀態等引數
- get_shape_model_contours (ModelContours, ModelID, 1)
- *返回匹配結果的輪廓
- for I := 0 to |Score| - 1 by 1
- *for迴圈查詢匹配
- vector_angle_to_rigid (0, 0, 0, Row[I], Column[I], Angle[I], HomMat2DRotate)
- *單匹配計算剛性變換矩陣 為了顯示匹配影象
- hom_mat2d_scale (HomMat2DRotate, Scale[I], Scale[I], Row[I], Column[I], HomMat2DScale)
- *新增一個擴充套件到一個均勻的二維變換矩陣 為了顯示匹配影象
- affine_trans_contour_xld (ModelContours, ModelTrans, HomMat2DScale)
- *應用任意二維仿射變換XLD輪廓 為了顯示匹配影象
- disp_message (WindowHandle,'匹配一個', 'image', Row[I], Column[I]+100, 'blue', 'true')
- *新增文字
- dev_display (ModelTrans)
- *顯示模型 為了顯示匹配影象
- endfor
- disp_continue_message (WindowHandle, 'black', 'true')
- stop ()
- * ****
- * step: destroy model
- * ****
- endwhile
- clear_shape_model (ModelID)