Halcon的Blob分析

电脑版发表于：2024/5/7 11:25

![](https://img.tnblog.net/arcimg/hb/0cebbc624ef24f6582d16debf7db6b30.png)

>#Halcon的Blob分析
[TOC]

什么是Blob分析
------------

tn2>图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 
Blob，即binary large object，二进制大型对象，是事务处理过程中遇到的一些大型的、复杂的数据项，必须作为一个完整的数据项看待。如一幅图形、一帧图像、一段语言等。在计算机视觉中的Blob是指图像中的具有相似颜色、纹理等特征所组成的一块连通区域。 
Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析(该连通域称为Blob)。其过程其实就是将图像进行二值化，分割得到前景和背景，然后进行连通区域检测，从而得到Blob块的过程。简单来说，blob分析就是在一块“光滑”区域内，将出现“灰度突变”的小区域寻找出来。 
Blob分析工具可以从背景中分离出目标，并可以计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是对单个像素逐一分析，而是对图像的行进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于像素的算法相比，大大提高了处理的速度。 
适用范围：针对二维目标图像和高对比度图像，适用于有无检测和缺陷检测。常用于二维目标图像、高对比度图像、存在/缺陷检测、数值范围和旋转不变性需求。显然，纺织品的瑕疵检测，玻璃的瑕疵检测，机械零件表面缺陷检测，可乐瓶缺陷检测，药品胶囊缺陷检测等很多场合都会用到blob分析。

Blob分析流程及常用算子
------------

### 基本步骤

tn2>Blob分析的基本步骤，这是一种理想状态，也是最基本的套路，获取图像->分割图像（区分前景像素和背景像素）->特征提取（比如面积、重心、旋转角度等）。
halcon代码实现如下：


```bash
read_image(Image,'particle')//读取图像
threshold(Image, BrightPixels,120,255)//阈值分割算子 二值化
connection(BrightPixels,Particles)//断开联通区域
area_center(Particles,Area,Row,Column)//获取这个区域的中心和面积
```

![](https://img.tnblog.net/arcimg/hb/9c6d13e9ae7b4994b29be60d987df434.png)

tn2>实际上，提取Blob之前和分析Blob之后也存在重要的步骤。比如，提取Blob之前一般要对图像进行预处理，比如图像的变换和校正、平滑与去噪、以及增强处理；分析Blob之后需要将Blob进行选取，或者将Blob重心的像素值向物理坐标系坐标值的转化。
因此，Blob实现方法需要具体情况具体分析。就拿阈值分割提取Blob而言，是用固定阈值还是动态阈值，这都是根据图片情况进行具体分析的。

### 完整的Blob分析步骤

tn2>在实际应用中，Blob 的分割会很复杂，需要处理更多步骤。 其原因有多种，比如杂乱或不均匀的照明、图像中有很多杂斑（很难提取目标位）。 此外，对Blob进行后处理以获取客户需要的直观显示数据，例如将特征转换为真实世界单位或结果可视化。

![](https://img.tnblog.net/arcimg/hb/4f12bc2ba6d0496087a7237fcaf66817.png)

tn2>整个过程为：获取图像->应用ROI->定位ROI->矫正图像->图像预处理->动态获取分割参数->分割图像->处理区域->特征提取->将像素坐标转换到世界坐标->结果显示或者输出。

![](https://img.tnblog.net/arcimg/hb/483fa56d9e4e44d39557878077cdaaf9.png)

tn2>首先加载图片。

```bash
** 关闭窗口更新，即在显示图像后不立即更新窗口，提高性能。
dev_update_window ('off')
** 关闭当前打开的窗口，清除窗口相关资源。
dev_close_window ()
** 打开一个新窗口，大小为728x512，背景颜色为黑色，WindowID是窗口的标识符。
dev_open_window (0, 0, 728, 512, 'black', WindowID)
** 从文件 'die/die_03' 中读取图像数据到变量 Bond 中。读取的就是我上传的图片
read_image (Bond, 'die/die_03')
** 在当前打开的窗口中显示图像 Bond。
dev_display (Bond)
** 设置窗口中显示文本的字体属性，大小为14，字体为单色（单色意味着文本颜色不受当前显示图像的影响）。
set_display_font (WindowID, 14, 'mono', 'true', 'false')
** 在窗口中显示持续性消息，文本颜色为黑色。
disp_continue_message (WindowID, 'black', 'true')
** 停止当前程序的执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/79f5784c3bea4545875bc3302c0a0293.png)

```bash
*灰度处理 二值化
threshold (Bond, Bright, 100, 255)
*形态学处理，一般用于定位，形状转换，rectangle2带方向的矩形
shape_trans (Bright, Die, 'rectangle2')
** 设置绘图颜色为绿色
dev_set_color ('green')
** 设置绘图线条宽度为 3 个像素
dev_set_line_width (3)
** 设置绘图时为图形边缘着色，这意味着绘制的矩形将在边缘处着色
dev_set_draw ('margin')
** 在当前窗口中显示处理后的图像Die
dev_display (Die)
** 在窗口中显示持续性消息，文本颜色为黑色
disp_continue_message (WindowID, 'black', 'true')
stop ()
```

![](https://img.tnblog.net/arcimg/hb/0aaa36bad4dc4fe7a39c09ec6c7fc4e2.png)

```bash
*区域锁定 将图像 Bond 限制在矩形区域 Die 内，并将结果存储在 DieGrey 中。
reduce_domain (Bond, Die, DieGrey)
*再次二值化 对图像 DieGrey 进行二值化处理，将灰度值在 0 到 50 之间的像素设为白色，其他设为黑色，结果存储在 Wires 中。
threshold (DieGrey, Wires, 0, 50)
*用给定的形状特征填充区域：面积为1~100的区域
fill_up_shape (Wires, WiresFilled, 'area', 1, 100)
** 在当前窗口中显示图像 Bond。
dev_display (Bond)
** 设置绘图模式为填充模式。
dev_set_draw ('fill')
** 设置绘图颜色为红色。
dev_set_color ('red')
** 在当前窗口中显示填充后的图像 WiresFilled。
dev_display (WiresFilled)
** 在窗口中显示持续性消息，文本颜色为黑色。
disp_continue_message (WindowID, 'black', 'true')
stop ()
```

![](https://img.tnblog.net/arcimg/hb/12cfcdc1777b49d6b94d0d2c9cf091f3.png)

```bash
*形态学处理：此处为开运算/（也可以用腐蚀）,减少像素，circle–对圆形作用最大
*形态学 腐蚀
* erosion_circle (WiresFilled, RegionErosion, 15.5)
*形态学 膨胀
* dilation_circle (RegionErosion, RegionDilation, 15.5)
*形态学 开运算（效果同上 先腐蚀后膨胀 先变小再变大）
opening_circle (WiresFilled, Balls, 15.5)
dev_set_color ('green')
dev_display (Balls)
disp_continue_message (WindowID, 'black', 'true')
stop ()
```

![](https://img.tnblog.net/arcimg/hb/2b2924d7a59a4909adbe1a179869f839.png)

![](https://img.tnblog.net/arcimg/hb/13cba6f255534b27bf3fe27487fc0496.png)

tn2>我们可以看到矩形的面积为2418，而圆形的面积只在1000多点左右，所以我们可以通过的它的大小范围来进行提取特征值。
这里设置了`800-1200`的范围。

```bash
*将二值化分开的区域划分为不同的连通区域，断成不同的区域，方便后面作特征值提取处理
connection (Balls, SingleBalls)
*特征值提取
* select_shape (SingleBalls, IntermediateBalls, 'circularity', 'and', 0.85, 1.0)
** 根据形状的面积选择区域，将面积在 800 到 1200 之间的形状选出，结果存储在 IntermediateBalls 中。
select_shape (SingleBalls, IntermediateBalls, 'area', 'and', 800, 1200)
** 对 IntermediateBalls 中的形状按照其第一个点的位置进行排序，排序方式为按照列顺序，结果存储在 FinalBalls 中。
sort_region (IntermediateBalls, FinalBalls, 'first_point', 'true', 'column')
** 在当前窗口中显示图像 Bond。
dev_display (Bond)
** 设置彩色显示，可能是指定一种颜色的显示。
dev_set_colored (12)
** 在当前窗口中显示 FinalBalls。
dev_display (FinalBalls)
** 在窗口中显示持续性消息，文本颜色为黑色。
disp_continue_message (WindowID, 'black', 'true')
stop ()
```

![](https://img.tnblog.net/arcimg/hb/b8a08bff052247279b793eab5b14bb1e.png)

```bash
** 计算 FinalBalls 中每个形状的最小外接圆，结果的圆心坐标存储在 (Row, Column) 中，半径存储在 Radius 中。
smallest_circle (FinalBalls, Row, Column, Radius)
** 计算最小外接圆的数量，即形状的数量。
NumBalls := |Radius|
** 计算最小外接圆的直径。
Diameter := 2 * Radius
** 计算最小外接圆直径的平均值。
meanDiameter := mean(Diameter)
** 计算最小外接圆直径的最小值。
minDiameter := min(Diameter)
** 在当前窗口中显示图像 Bond。
dev_display (Bond)
** 在窗口中显示最小外接圆。
disp_circle (WindowID, Row, Column, Radius)
** 设置绘图颜色为白色。
dev_set_color ('white')
** 在窗口中显示形状直径信息。
disp_message (WindowID, 'D: ' + Diameter$'.4', 'image', Row - 2 * Radius, Column, 'white', 'false')
** 恢复窗口的更新功能，即重新启用窗口的更新。
dev_update_window ('on')
```

![](https://img.tnblog.net/arcimg/hb/54073d1632ea4f06bbe64742c9479012.png)

### 常见特征提取

tn2>1)、区域特征：
a：面积area；
b：力矩Moments；
c：平行于主轴的最小矩形smallest_rectangle1；
d：任意方向的最小矩形smallest_rectangle2；
e：最小圆形smallest_circle；
f：凸包面积convexity；
g：contlength区域边界长度；
h：圆形roundness；
j：圆度circularity；
k：紧密度compactness；
l：矩形度rectangularity； 
2)、灰度特征
a：简单灰度值特征：区域的平均灰度值；
b：区域的最小和最大灰度值；

### 常用算子总结

tn2>1)、图像预处理常用算子：
a：mean_image:均值滤波
b：gauss_image:高斯滤波
c：median_image:中值滤波 
2)、动态获取分割参数常用算子：
a：gray_histo_abs:灰度直方图
b：histo_to_thresh:直方图二值化

### 开运算和闭运算（形态学）

tn2>图像分割时，会用到开运算和闭运算，采用不同的分割策略，效果会不一样，这里仅先介绍下概念。
1)、开运算 先腐蚀后膨胀；
2)、闭运算 先膨胀后腐蚀；
3)、腐蚀；
4)、膨胀。 
开运算和闭运算要用到的算子如下：
1）、开运算 opening(ConnectedRegions, ConnectedRegions, RegionOpening1)
2）、闭运算 closing(RegionOpening1, RegionOpening1, RegionClosing1)
3）、腐蚀 erosion1(RegionClosing1, RegionClosing1, RegionErosion1, 1)
4）、膨胀 dilation1(RegionErosion1, RegionErosion1, RegionDilation1, 1)
5）、圆形结构开运算 opening_circle(ConnectedRegions, RegionOpening, 3.5)
6）、圆形结构闭运算 closing_circle(RegionOpening, RegionClosing, 3.5)
7）、圆形结构腐蚀 erosion_circle(RegionClosing, RegionErosion, 3.5)
8）、圆形结构膨胀 dilation_circle(RegionErosion, RegionDilation, 3.5)

Blob分析案例说明
------------

### 豆子分割统计(形态学案例)

tn2>加载我们的图像。

```bash
* 采集图像操作
** 关闭图像更新，提高处理效率。
dev_update_off ()
** 读取图像 'pellets'。
read_image (Image, 'pellets')
** 关闭当前窗口。
dev_close_window ()
** 获取图像尺寸。
get_image_size (Image, Width, Height)
** 打开窗口，设置窗口大小和背景颜色。
dev_open_window (0, 0, Width, Height, 'black', WindowID)
** 设置显示区域。
dev_set_part (0, 0, Height - 1, Width - 1)
** 设置显示字体。
set_display_font (WindowID, 16, 'mono', 'true', 'false')
** 设置彩色显示。
dev_set_colored (6)
** 设置绘图模式为边缘绘制。
dev_set_draw ('margin')
** 设置绘图线条宽度。
dev_set_line_width (3)
** 在窗口中显示图像。
dev_display (Image)
** 在窗口中显示消息。
disp_message (WindowID, 'Detect each single pellet', 'window', 12, 12, 'black', 'true')
** 在窗口中显示持续性消息。
disp_continue_message (WindowID, 'black', 'true')
** 停止程序执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/3eae21fc5d6d439ba33326ec5634785d.png)

```bash
* 从背景分割颗粒的区域
** 对图像进行二值化。
binary_threshold (Image, LightRegion, 'max_separability', 'light', UsedThreshold)
** 对二值化图像进行开运算。
opening_circle (LightRegion, Region, 3.5)
** 在窗口中显示分割结果。
dev_display (Region)
** 在窗口中显示消息。
disp_message (WindowID, 'First, segment the pellets', 'window', 12, 12, 'black', 'true')
** 在窗口中显示持续性消息。
disp_continue_message (WindowID, 'black', 'true')
** 停止程序执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/07fb671dd5c84a78b2fecaea2d13e6ae.png)

```bash
* 第一次分割出颗粒区域，只是分割处理而已不能进行统计
** 进行连通性分析。
connection (Region, ConnectedRegionsWrong)
** 在窗口中显示图像和连通区域。
dev_display (Image)
dev_display (ConnectedRegionsWrong)
** 在窗口中显示消息。
disp_message (WindowID, 'Simple connection fails', 'window', 12, 12, 'black', 'true')
** 在窗口中显示持续性消息。
disp_continue_message (WindowID, 'black', 'true')
** 停止程序执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/8783410d8094422988adc2794eb98b83.png)

tn2>我们可以发现进行开运算后（先腐蚀再扩大），再进行添加颜色，发现有很多是关联在一起的。
如果不希望关联在一起，我们可以先腐蚀再添加颜色，最后再扩大。

```bash
* 通过腐蚀的方式来分割出每个区域
** 对图像进行腐蚀操作。
erosion_circle (Region, RegionErosion, 7.5)
** 在窗口中显示图像和腐蚀结果。
dev_display (Image)
dev_display (RegionErosion)
** 在窗口中显示消息。
disp_message (WindowID, 'Erosion of the pellet regions', 'window', 12, 12, 'black', 'true')
** 在窗口中显示持续性消息。
disp_continue_message (WindowID, 'black', 'true')
** 停止程序执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/b35dc0b797764c9099cdfcbf99de5d94.png)

```bash
* 在次分割连通区域
** 进行连通性分析。
connection (RegionErosion, ConnectedRegions)
** 在窗口中显示图像和连通区域。
dev_display (Image)
dev_display (ConnectedRegions)
** 在窗口中显示消息。
disp_message (WindowID, 'Perform connection now', 'window', 12, 12, 'black', 'true')
** 在窗口中显示持续性消息。
disp_continue_message (WindowID, 'black', 'true')
** 停止程序执行。
stop ()
```

![](https://img.tnblog.net/arcimg/hb/753d234c6c254dcb8c5cde69e0669a85.png)

```bash
* 通过应用膨胀使其恢复到原始颗粒大小
** 对图像进行膨胀操作。
dilation_circle (ConnectedRegions, RegionDilation, 7.5)
* 统计颗粒数量
** 统计连通区域数量。
count_obj (RegionDilation, Number)
** 在窗口中显示图像和膨胀结果。
dev_display (Image)
dev_display (RegionDilation)
** 在窗口中显示消息和颗粒数量。
disp_message (WindowID, Number + ' pellets detected', 'window', 12, 12, 'black', 'true')
```

![](https://img.tnblog.net/arcimg/hb/91c8cfd7a4534087983e9efb6edf374d.png)

### 木材统计(形态学)

```bash
*读取图像
read_image(image,'D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/wood.jpg')
*图像转灰度
rgb1_to_gray(image,grayimage)
*阈值分割
threshold (grayimage, regions, 60, 255)
*开运算
opening_rectangle1(regions,Cut,2,7) 
*打断非连通区域
connection(Cut,connectedregions)
*面积筛选
select_shape (connectedregions, SelectedRegions, 'area', 'and', 391.24, 20056.3)
*数出第一个部分木材个数
count_obj(SelectedRegions,Number1)
*面积筛选
select_shape (connectedregions, SelectedRegions1, 'area', 'and', 24334.9, 100000)
*腐蚀运算
erosion_circle(SelectedRegions1,regionerosion1,7.5)
*打断非连通区域
connection(regionerosion1,connectedregions1)
*面积筛选
select_shape (connectedregions1, SelectedRegions2, 'area', 'and', 2707.36, 20000)
*数出第二个部分木材个数
count_obj(SelectedRegions2,Number2)
*将第一个部分和第二个部分合并
concat_obj(SelectedRegions,SelectedRegions2,objectsconcat)
*数出合并部分总木材个数
count_obj(objectsconcat,Number3)
```

![](https://img.tnblog.net/arcimg/hb/9cb06804f4ea4d37ba6bca2044500d57.png)

tn2>看到Number3给出了木头的总数。

### 车牌的字符分割(数字与字母)

tn2>首先读取图片

```bash
***** 读取图片
** 关闭当前窗口。
dev_close_window ()
** 读取图像 '素材/chepai18.jpg'。
read_image (Image, 'D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/chepai18.jpg')
** 打开窗口并适应图像大小。
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
** 在窗口中显示图像。
dev_display (Image)
```

tn2>然后我们对图片进行二值化操作，并对灰度图进行阈值化处理

```bash
***** 处理图片-定位车牌
** 将图像转换为灰度图像。
rgb1_to_gray (Image, GrayImage)
** 对灰度图像进行阈值化。
threshold (GrayImage, Region, 80, 100)
** 对图像进行连通性分析。
connection (Region, ConnectedRegions)
** 根据区域面积选择形状。
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 8870.97, 10000)
```

![](https://img.tnblog.net/arcimg/hb/d881baf710014d7bb90a9c9a874bd30f.png)

```bash
***** 处理图片- 转正图片
** 对选定的区域进行形状转换。
shape_trans (SelectedRegions, RegionTrans, 'rectangle2')
** 计算区域的中心和方向。
area_center (RegionTrans, Area, Row, Column)
orientation_region (RegionTrans, Phi)
** 将区域校正为水平状态。
vector_angle_to_rigid (Row, Column, Phi, Row, Column, rad(0), HomMat2D)
hom_mat2d_slant (HomMat2D, rad(15), 'x', Column, Row, HomMat2DSlant)
affine_trans_region (RegionTrans, RegionAffineTrans, HomMat2DSlant, 'nearest_neighbor')
affine_trans_image (Image, ImageAffineTrans, HomMat2DSlant, 'constant', 'false')
reduce_domain (ImageAffineTrans, RegionAffineTrans, ImageReduced)
```

![](https://img.tnblog.net/arcimg/hb/250c7115517141ddb8b649cb46c887cb.png)

```bash
*************** 开始识别之车牌图片预处理
** 将图像转换为灰度图像。
rgb1_to_gray (ImageReduced, GrayImage1)
** 对灰度图像进行阈值化。
threshold (GrayImage1, Region1, 128, 255)
** 对区域进行腐蚀操作。
erosion_rectangle1 (Region1, RegionErosion, 3, 3)
** 对区域进行开运算。
opening_rectangle1 (RegionErosion, RegionOpening, 1, 3)
** 对图像进行连通性分析。
connection (RegionOpening, ConnectedRegions1)
** 根据区域面积选择形状。
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 200, 500)
** 根据字符在车牌中的位置进行排序。
sort_region (SelectedRegions1, SortedRegions, 'character', 'true', 'column')
```

![](https://img.tnblog.net/arcimg/hb/1a1018be16c949de8d925db7752c894a.png)

tn2>select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )
（将连接的区域进行筛选，筛选的特征有很多，如面积长度等，可以去掉不满足条件的轮廓）
描述：
操作符select_shape根据形状选择区域。对于来自区域的每个输入区域，计算所指示的特征（features）。如果计算特征的每个（Operation=‘and’）或至少一个（Operation=‘or’）在默认限制（最小值、最大值）内，则该区域将适应输出（复制）。
条件：Min_i <= Feature_i(Object) <= Max_i

### 功能特征的取值

|特征|英|译|备注|
| ------------ | ------------ | ------------ | ------------ |
|area|Area of the object|对象的面积	|
|row|Row index of the center|中心点的行坐标	|
|column|Column index of the center|中心点的列坐标	|
|width|Width of the region|区域的宽度	|
|height|Height of the region|区域的高度	|
|row1|Row index of upper left corner|左上角行坐标	|
|column1|Column index of upper left corner|左上角列坐标	|
|row2|Row index of lower right corner|右下角行坐标	|
|column2|Column index of lower right corner|右下角列坐标	|
|circularity|Circularity|圆度|0~1|
|compactness|Compactness|紧密度|0~1|
|contlength|Total length of contour	|轮廓线总长	|
|convexity|Convexity|凸性	|
|rectangularity|Rectangularity|矩形度	0~1|
|ra|Main radius of the equivalent ellipse|等效椭圆长轴半径长度	|
|rb|Secondary radius of the equivalent ellipse|等效椭圆短轴半径长度	|
|phi|Orientation of the equivalent ellipse|等效椭圆方向	|
|anisometry|Anisometry|椭圆参数，Ra/Rb长轴与短轴的比值|
|bulkiness|Bulkiness|椭圆参数，蓬松度π*Ra*Rb/A|
|struct_factor|Structur Factor|椭圆参数，`Anisometry*Bulkiness-1`	|
|outer_radius|Radius of smallest surrounding circle|最小外接圆半径	|
|inner_radius|Radius of largest inner circle|最大内接圆半径	|
|inner_width|Width of the largest axis-parallel rectangle that fits into the region|最大内接矩形宽度|
|inner_height|Height of the largest axis-parallel rectangle that fits into the region|最大内接矩形高度	|
|dist_mean|Mean distance from the region border to the center|区域边界到中心的平均距离	|
|dist_deviation|Deviation of the distance from the region border from the center|区域边界到中心距离的偏差|
|roundness|Roundness|圆度，与circularity计算方法不同	|
|num_sides|Number of polygon sides|多边形边数	|
|connect_num|Number of connection components|连通数	|
|holes_num|Number of holes|区域内洞数|
|area_holes|Area of the holes of the object|所有洞的面积	|
|max_diameter|Maximum diameter of the region|最大直径	|
|orientation|Orientation of the region|区域方向	|
|euler_number|Euler number|欧拉数，即连通数和洞数的差|
|rect2_phi|Orientation of the smallest surrounding rectangle|最小外接矩形的方向	|
|rect2_len1|Half the length of the smallest surrounding rectangle|最小外接矩形长度的一半	smallest_rectangle2|
|rect2_len2|Half the width of the smallest surrounding rectangle|最小外接矩形宽度的一半	|
|moments_m11|Geometric moments of the region|几何矩	|
|moments_m20|Geometric moments of the region|几何矩	|
|moments_m02|Geometric moments of the region|几何矩	|
|moments_ia|Geometric moments of the region|几何矩	|
|moments_ib|Geometric moments of the region|几何矩	|
|moments_m11_invar|Geometric moments of the region|几何矩	|
|moments_m20_invar|Geometric moments of the region|几何矩	|
|moments_m02_invar|Geometric moments of the region|几何矩	|
|moments_phi1|Geometric moments of the region|几何矩|
|moments_phi2|Geometric moments of the region|几何矩|
|moments_m21|Geometric moments of the region|几何矩|
|moments_m12|Geometric moments of the region|几何矩|
|moments_m03|Geometric moments of the region|几何矩|
|moments_m30|Geometric moments of the region|几何矩|
|moments_m21_invar|Geometric moments of the region|几何矩|
|moments_m12_invar|Geometric moments of the region|几何矩|
|moments_m03_invar|Geometric moments of the region|几何矩|
|moments_m30_invar|Geometric moments of the region|几何矩|
|moments_i1|Geometric moments of the region|几何矩|
|moments_i2|Geometric moments of the region|几何矩|
|moments_i3|Geometric moments of the region|几何矩|
|moments_i4|Geometric moments of the region|几何矩|
|moments_psi1|Geometric moments of the region|几何矩|
|moments_psi2|Geometric moments of the region|几何矩|
|moments_psi3|Geometric moments of the region|几何矩|
|moments_psi4|Geometric moments of the region|几何矩|

### 车牌字符分割带中文(中文、数字、字母)


```bash
***** 读取图片
dev_close_window ()
read_image (Image, 'D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/chepai18.jpg')
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
dev_display (Image)
***** 处理图片-定位车牌
rgb1_to_gray (Image, GrayImage)
threshold (GrayImage, Region, 80, 100)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 8870.97, 10000)
***** 处理图片- 转正图片
shape_trans (SelectedRegions, RegionTrans, 'rectangle2')
area_center (RegionTrans, Area, Row, Column)
orientation_region (RegionTrans, Phi)
vector_angle_to_rigid (Row, Column, Phi, Row, Column, rad(0), HomMat2D)
hom_mat2d_slant (HomMat2D, rad(15), 'x', Column, Row, HomMat2DSlant)
affine_trans_region (RegionTrans, RegionAffineTrans, HomMat2DSlant, 'nearest_neighbor')
affine_trans_image (Image, ImageAffineTrans, HomMat2DSlant, 'constant', 'false')
reduce_domain (ImageAffineTrans, RegionAffineTrans, ImageReduced)
*************** 开始识别之车牌图片预处理,带中文字符分割
rgb1_to_gray (ImageReduced, GrayImage1)
threshold (GrayImage1, Regions, 176, 242)
closing_circle (Regions, RegionClosing, 3.5)
opening_circle (Regions, RegionOpening, 1.7)
connection (RegionOpening, ConnectedRegions1)
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 20, 600)
sort_region (SelectedRegions1, SortedRegions, 'character', 'true', 'column')
*************** 组装苏字区域
select_obj (SortedRegions, ObjectSelected1, 1)
select_obj (SortedRegions, ObjectSelected2, 2)
select_obj (SortedRegions, ObjectSelected3, 3)
union2 (ObjectSelected1, ObjectSelected2, RegionUnion)
union2 (RegionUnion, ObjectSelected3, RegionUnion1)
select_obj (SortedRegions, ObjectSelected4, 4)
select_obj (SortedRegions, ObjectSelected5, 5)
select_obj (SortedRegions, ObjectSelected6, 6)
select_obj (SortedRegions, ObjectSelected7, 7)
select_obj (SortedRegions, ObjectSelected8, 8)
select_obj (SortedRegions, ObjectSelected9, 9)
***************** 把所有区域组成一个对象
gen_empty_obj (NumberObject)
concat_obj (NumberObject, RegionUnion1, NumberObject)
concat_obj (NumberObject, ObjectSelected4, NumberObject)
concat_obj (NumberObject, ObjectSelected5, NumberObject)
concat_obj (NumberObject, ObjectSelected6, NumberObject)
concat_obj (NumberObject, ObjectSelected7, NumberObject)
concat_obj (NumberObject, ObjectSelected8, NumberObject)
concat_obj (NumberObject, ObjectSelected9, NumberObject)
**************** 创建训练文件
TrainFile:='D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/code/Charactor.trf'
Words:=['苏','E','C','6','2','N','8']
** 完成图像与字符训练对应关系
write_ocr_trainf (NumberObject, GrayImage1, Words, TrainFile)
** 读取训练文件
read_ocr_trainf_names (TrainFile, CharacterNames, CharacterCount)
** 创建一个分类识别器
create_ocr_class_mlp (8, 10, 'constant', 'default', CharacterNames, 80, 'none', 10, 42, OCRHandle)
** 训练分类识别器
trainf_ocr_class_mlp (OCRHandle, TrainFile, 200, 1, 0.01, Error, ErrorLog)
** 保存分类识别文件
write_ocr_class_mlp (OCRHandle, 'D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/code/Charactor.omc')
*********************** 基于训练omc文件开始识别带中文车牌**************
read_ocr_class_mlp ('D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/code/Charactor.omc', OCRHandle1)
do_ocr_multi_class_mlp (NumberObject, GrayImage1, OCRHandle1, Class, Confidence)
dev_clear_window ()
dev_display (Image)
dev_set_color ('red')
set_display_font (WindowHandle, 30, 'mono', 'true', 'false')
for Index := 0 to |Class|-1 by 1
 set_tposition (WindowHandle,30, 120+36*Index)
 write_string (WindowHandle, Class[Index])
endfor
```

![](https://img.tnblog.net/arcimg/hb/63674c582075474fa4ef103e567920dc.png)

### 统计每个骰子的点数(距离变换+分水岭)

```bash
** 关闭当前窗口。
dev_close_window ()

** 打开一个新窗口，设置窗口大小和背景颜色。
dev_open_window (0, 0, 500, 500, 'black', WindowHandle)

** 设置显示字体。
set_display_font (WindowHandle, 30, 'mono', 'true', 'false')

** 列出指定目录下的所有文件。
list_files ('D:/ai/Halcon/vedio/061--机器视觉Course061Halcon的Blob图像分析/素材与源码/dice/', ['files','follow_links'], ImageFiles)

** 从文件列表中筛选出符合指定正则表达式的图像文件。
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)

** 初始化结果索引。
ResultIndex:=1

** 遍历图像文件列表。
for Index := 0 to |ImageFiles| - 1 by 1
 ** 读取图像文件。
 read_image (Image, ImageFiles[Index])
 ** 获取图像尺寸。
 get_image_size (Image, Width, Height)

 ** 对图像进行预处理
 ** 对图像进行阈值化。
 threshold (Image, Regions, 180, 255)
 ** 填充区域。
 fill_up (Regions, RegionFillUp)
 ** 进行连通性分析。
 connection (RegionFillUp, ConnectedRegions)
 ** 计算距离变换。
 distance_transform (ConnectedRegions, DistanceImage, 'octagonal', 'true', 1000, 1000)
 ** 转换图像类型为 BYTE。
 convert_image_type (DistanceImage, ImageConverted, 'byte')
 ** 对图像进行反色处理。
 invert_image (ImageConverted, ImageInvert)
 ** 对图像进行最大值缩放。
 scale_image_max (ImageInvert, ImageScaleMax)
 ** 使用分水岭算法进行图像分割。
 watersheds_threshold (ImageScaleMax, Basins, 10)
 ** 计算分割结果和连通区域的交集。
 intersection (Basins, ConnectedRegions, RegionIntersection)

 ** 对分割结果进行处理
 ** 根据面积选择形状。
 select_shape (RegionIntersection, SelectedRegions, 'area', 'and', 30000, 100000)
 ** 统计选定区域数量。
 count_obj (SelectedRegions, Number)
 ** 在窗口中显示原始图像。
 dev_display (Image)

 ** 遍历每个选定区域。
 for Index1 := 1 to Number by 1
 ** 选择指定的区域。
 select_obj (SelectedRegions, ObjectSelected, Index1)
 ** 缩小图像域。
 reduce_domain (Image, ObjectSelected, ImageReduced)
 ** 对缩小后的图像进行阈值化。
 threshold (ImageReduced, Regions1, 0, 150)
 ** 填充区域。
 fill_up (Regions1, RegionFillUp1)
 ** 进行连通性分析。
 connection (RegionFillUp1, ConnectedRegions1)
 ** 根据面积选择形状。
 select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 200, 20000)
 ** 统计选定区域数量。
 count_obj (SelectedRegions1, Number1)
 ** 计算区域中心。
 area_center (ObjectSelected, Area, Row, Column)
 ** 在图像中显示消息。
 disp_message (WindowHandle, Number1, 'image', Row, Column, 'green', 'false')
 endfor

 ** 停止程序执行。
 stop()
endfor

```

![](https://img.tnblog.net/arcimg/hb/019e3d7c105845e59ab0777af2384217.png)

尘叶心繁

Halcon的Blob分析

{{item.title}}