超人视觉启蒙班一些零散笔记

halcon理论之-分类识别

例程：
关于hsv的看
基于分类训练的是

分类器是特征向量? 这里的特征向量是指，如ABC三个字母，按纹理分，ABC特征都不同，按周长分，ABC特征也不同，把纹理和周长加起来就是ABC的特征集合，即是特征向量。借此区分字母
特征提取有哪些特征？

特征学习套路(参考超人视觉启蒙班-纹理识别）

1特征提取 （如果是多种特征，要把ABC特征放在一起组成特征向量）
2创建分类器（create_class_mlp）
3添加样本(add_sample_class_mlp）
4训练（train_class_mlp）
5 识别（classify_class_mlp）

halcon理论之特征提取

有哪些特征
几何特征，纹理特征（往往跟灰度有关系，熵啊，能量值啊，要用到共生矩阵） ，颜色特征，概率特征，算子描述特征。htog特征（即是梯度）…很多特征

学模式识别是比图像处理更高级的，学习深度学习

画ROI 创建分类器，添加样本和训练

1、区域特征：

area_center 。area_center_gray。moments。smallest_rectangle1，smallest_rectangle2,。smallest_circle
min_max_gray。compactness, eccentricity, elliptic_axis。intensity
convexity：区域面积与凸包面积的比例。contlength：区域边界的长度。compactness


2、灰度特征
estimate_noise。select_gray
select_shape 自带的特征直方图工具挺好用

halcon理论之-几何定位仿射变换

一：定位，
方法有：
1blob分析，说白了，就是分析像素块，找到大概的区域，如图中需要测量的小方块，然后进行区域填充，然后把它旋转和平移过来，

2模板匹配，做一个有大致轮廓的大模板，然后在图像里面找对应的，每个人找的标记点不一样，有找mark点的，有基于颜色的（颜色的参考：超人视觉玩转车牌识别，定位矫正+识别第一节） 范例里也有颜色识别，
3：深度学习
比如车牌识别，有的做形状定位 ，比如矩形，模板匹配，或基于车牌底色找到大概位置，判定角度，

二：仿射变换
得到点的坐标和角度，再用仿射变换（它是特殊的投影变换，也是常说的几何变换） 只对图像的形状发生变换，变换到标准位置，在进行测量和识别。
仿射变换的常见三种内容：平移，旋转，缩放， 变换(这三个都是矩阵变换过去）。完成后会对halcon的三大数据元素（range区域，图像，XLD）产生影响
一二步说白了就是找到目标物的大概位置是多少，知道他目前的角度偏差，位置偏差是多少，然后用仿射变换整回到固定位置

参考例子几何变换里的包含旋转和缩放，仿射变换的第一种方式-求矩阵的方式-
套路一：设置个单位矩阵a-在单位矩阵基础下变化为旋转/平移/缩放矩阵b-把矩阵b套在变换算子里
hom_mat2d_identity (HomMat2DIdentity)
hom_mat2d_rotate (HomMat2DIdentity, 0, 638, 800, HomMat2DRotate)
affine_trans_region (ROI_0, RegionAffineTrans, HomMat2DRotate, ‘nearest_neighbor’)

案例2,blob分析里的

包含了仿射变换的第二种方式-直接用函数vector_angle_to_rigid（这个函数仅支持平移和旋转，不支持缩放） 算出最终变换矩阵

套路:自动的得到变换矩阵，然后用affine
vector_angle_to_rigid (Row, Column, Angle, RowRef, ColumnRef, 0, HomMat2D)
affine_trans_image (Image, ImageTrans, HomMat2D, ‘constant’, ‘false’)