halcon学习笔记模板匹配
halcon的模板匹配种类有很多种,方法各有优缺点,一般有基于灰度的匹配,基于形状的匹配等等,这里具体理论和方法不做详解,只简单总结一个实例。图像匹配一般需要对旋转放缩进行处理,另外为了提高搜索效率,常用用图像金字塔来处理模板图像,图像金子塔就是把图像按一定算法,缩小为不同比例的模板,减少像素。一般的模板匹配流程如下:
所以首先创建模板,模板的创建就是采集一张自己需要的原始图像,如下我采集的原始图像:
我需要的是银联那个标志,生成模板的源代码如下:
- read_image (Image, 'E:/HalconTest/实验2d匹配/exp/110.jpg')
- *读取模板图像
- rgb1_to_gray (Image, GrayImage)
- *灰度操作
- gen_rectangle1 (ROI_0, 189.5, 531.5, 325.5, 717.5)
- *选择要匹配的图像,去除不必要的
- reduce_domain (GrayImage, ROI_0, ImageReduced2)
- *减少图像,分割出切除的那部分
- bin_threshold (ImageReduced2, Region1)
- *自动灰度阈值处理
- connection (Region1, ConnectedRegions1)
- *求联通域
- select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 8, 14016)
- *选择图像
- reduce_domain (ImageReduced2, SelectedRegions1, ImageReduced3)
- *分割出图像
- inspect_shape_model (ImageReduced3, ModelImages1, ModelRegions1, 4, 30)
- *创建一个形状的表示模型
- create_scaled_shape_model (ImageReduced3, 'auto', rad(-45), rad(90), 'auto', 0.9, 1, 0, 'no_pregeneration', 'ignore_global_polarity', 'auto', 'auto', ModelID)
- *使用用图像创建带有缩放的匹配模板,上面的灰度分割什么的其实可以不要
- *NumLevels 最高金子塔层数
- *AngleStart 开始角度加rad(90)是将弧度制转为角度值
- *AngleExtent 角度范围
- *AngleStep 旋转角度步长
- *ScaleMin 模板行方向缩放最小尺度
- *ScaleMax 模板行方向缩放最大尺寸
- *MinScore 最低匹配分值 百分比
- *ScaleStep 步长
- *Optimization 优化选项 是否减少模板点数
- *Metric 匹配度量级性旋转
- *MinContrast 最小对比度
- *ModelID 生成模板ID
- write_shape_model (ModelID, 'C:/Users/shanwenjun/Desktop/img_model3.shm')
- *生成模板文件
生成的模板文件要用来进行匹配,下面是我用摄像头进行实时匹配的图像:
匹配的的源代码如下,左上角是图像处理过程叠加的:
- dev_close_window ()
- dev_open_window (0, 0, 640, 480, 'black', WindowHandle)
- *先关闭活动图形窗口,再打开这个窗口,标识符为WindowHandle;
- *相对于界面左上角第0行、第0列,大小是我相机的拍照比例,颜色为黑色。
- open_framegrabber ('MindVision11', 1, 1, 0, 0, 0, 0, 'progressive', 8, 'Gray', -1, 'false', 'auto', 'Camera MV-U130RC#C17D8221-3', 0, -1, AcqHandle)
- *DirectShow是笔记本摄像头或者其他DirectShow的摄像头,MindVision11是我相机的摄像头;
- * 注意摄像头的名称,可以用工具栏中的“助手”——打开新的Image Acquisition获取摄像头及插入代码
- 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]
- *上面是我相机的标定量,根据自己相机标定填写,此段代码不可直接用
- CamParVirtualFixed:=CamParOriginal
- CamParVirtualFixed[1]:=0
- *上面是标定时候的参数设置
- gen_radial_distortion_map(MapFixed,CamParOriginal,CamParVirtualFixed,'bilinear')
- *生产径向畸变映射图,
- *mapfixed是输出,
- *CamParOriginal是标定后的参数,
- *CamParVirtualFixed也是输出的参数,
- *'bilinear'映射类型
- map_image(Image,MapFixed,ImageRectifiedFixed)
- *利用映射,消除图像畸变算子
- read_shape_model ('E:/HalconTest/实验2d匹配/img_model/img_model3.shm', ModelID)
- *读取图像
- 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)
- *寻找单个带尺度形状模板最佳匹配
- *ImageRectifiedFixed 要搜索的图像
- *ModelID 模板ID
- *AngleStart 开始角度加rad(90)是将弧度制转为角度值
- *AngleExtent 角度范围
- *ScaleMin 模板行方向缩放最小尺度
- *ScaleMax 模板行方向缩放最大尺寸
- *MinScore 最低匹配分值 百分比
- *NumMatches 匹配实例的个数
- *MaxOverlap 最大重叠 在有重叠时也可检测匹配
- *SubPixel 是否亚像素精度
- *NumLevels 金子塔层数
- *Greediness 搜索贪婪度; 0安全慢;1块不稳定;其他就是介于中间值
- *剩下的几个参数是匹配图像的位置状态等参数
- get_shape_model_contours (ModelContours, ModelID, 1)
- *返回匹配结果的轮廓
- for I := 0 to |Score| - 1 by 1
- *for循环查找匹配
- vector_angle_to_rigid (0, 0, 0, Row[I], Column[I], Angle[I], HomMat2DRotate)
- *单匹配计算刚性变换矩阵 为了显示匹配图像
- hom_mat2d_scale (HomMat2DRotate, Scale[I], Scale[I], Row[I], Column[I], HomMat2DScale)
- *添加一个扩展到一个均匀的二维变换矩阵 为了显示匹配图像
- affine_trans_contour_xld (ModelContours, ModelTrans, HomMat2DScale)
- *应用任意二维仿射变换XLD轮廓 为了显示匹配图像
- disp_message (WindowHandle,'匹配一个', 'image', Row[I], Column[I]+100, 'blue', 'true')
- *添加文本
- dev_display (ModelTrans)
- *显示模型 为了显示匹配图像
- endfor
- disp_continue_message (WindowHandle, 'black', 'true')
- stop ()
- * ****
- * step: destroy model
- * ****
- endwhile
- clear_shape_model (ModelID)