5、图像分割(阈值)

  1. 读入一张图像并把它分为三通道。

    read_image (Lena, 'F:/Halcon学习/4、群共享资料下载/lena原图/lena.jpg')

    *分离三通道

    decompose3 (Lena, Image1, Image2, Image3)

    *rgb图像转换为灰度图像

    rgb1_to_gray (Lena, GrayImage)

  2. 在用灰度直方图助手时,它是对图形窗口当前的图片进行阈值化操作。若当前显示的为彩色图像,可以通过修改通道数来进来选择对那个通道进行阈值化操作。

  3. 阈值处理的算子的分类

    全局阈值算法(如otsu算法)和局部阈值算法(如niblack).固定阈值和自适应阈值。

  4. 指定全局阈值进行分割:

    这种阈值方法就是用灰度直方图插入代码时产生的阈值。

        threshold (GrayImage, Regions, 8, 83)

  1. 自动阈值

*自动阈值操作

auto_threshold (GrayImage, Regions1, 7.6)

自动阈值会把图像分为几个部分,输入的图像必须为单通道图像,最后一个参数是表示Sigma用于对灰度进行高斯平滑。Sigma的选取可以打开灰度直方图助手进行效果观察。

原始直方图:(Sigma就是下图矩形框的平滑参数)

    Sigma调到7.6时,发现灰度直方图变得更加平滑了,只有三个波谷。

这时当auto_threshold()的第二个参数设置为7.6时候,它就以这三个波谷为分界,把图像分给4region,效果如下:

注:Sigma平滑参数的作用是把灰度直方图变得更加平滑,而上面例子中灰度直方图只起了一个观察方灰度直方图与Sigma平滑参数关系的作用,而真正把图像分割的是auto_threshold()算子。

  1. ①点击编辑ROI

    ②选择以怎样的形状来编辑(现在以矩形为例)

    ③在要处理的图像上画出一个矩形并右键点击确定

④在工具选项卡中------添加代码:

gen_rectangle1 (ROI_0, 43.2251, 74.0227, 140.273, 368.191)

⑤把ROI以外的区域剪裁掉:

reduce_domain (GrayImage, ROI_0, ImageReduced)

效果:

(2)、区域反选

 

(3)、交集或补集、差集

(4)、简单的标定测量:

①:选择测量工具

②:在图片中画一条已知长度的直线

③:选择已知长度的单位

④:设置已知长度

 

测试:通过上面标定完后,再次改变直线长度,直线的长度的单位就是标定的时已知长度的单位如下图。

 

  1. (1)、读入图片并转换为灰度图片:

        read_image (DemoimaqPendulumImg0201, 'C:/ 01.gif')

rgb1_to_gray (DemoimaqPendulumImg0201, GrayImage)

    (2)、按照第6中的方法设置并裁剪ROI区域,并对其进行阈值和连通域操作:    

            gen_rectangle1 (ROI_0, 43.2251, 74.0227, 140.273, 368.191)

reduce_domain (GrayImage, ROI_0, ImageReduced)

threshold (ImageReduced, Regions, 0, 96)

connection (Regions, ConnectedRegions)

        效果:通过连通域操作后得到了141的独立的连通域,图形窗口中不同的颜色表示不同的连通域。

    3)、打开特征直方图通过面积以及圆度进项筛选。

    注:在执行连通域操作后得到的141个有3种颜色显示,而输出颜色也是这三种的一种。所以这样不好观察

        筛选的效果。解决办法如下,把执行连通域操作后得到的141个独立的连通域设置成一种颜色(这种

        颜色要求直方图的输出颜色不同)

        

    这是通过筛选后被选中的区域就只剩下蓝色区域了(直方图的输出颜色)。

    插入代码:

select_shape (ConnectedRegions, SelectedRegions, ['area','circularity'], 'and', [39.24,0.4661], [102.07,0.8927])

4)、求出面积以及中心坐标:

        area_center (SelectedRegions, Area, Row, Column)

posted @ 2022-04-30 20:47  ihh2021  阅读(686)  评论(0编辑  收藏  举报