Halcon Image与OpenCV IplImage图像数据相互转换

2024-05-31 05:18

本文主要是介绍Halcon Image与OpenCV IplImage图像数据相互转换,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  这里贴出我用的两个函数,用于IplImage 与 Hobject 之间的相互转换,他们的数据类型分别是IPL_DEPTH_8U和'byte' 

  在Halcon中,图像数据是一个通道(channel)一个通道保持的,而在OpenCV中多个通道的数据分别在各个像素中。 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
Hobject IplImageToHImage(IplImage *pImage)
{  
     Hobject Hobj;
     if  (3 == pImage->nChannels)
     {
         IplImage *pImageRed,*pImageGreen,*pImageBlue;
         pImageRed = cvCreateImage(cvGetSize(pImage),IPL_DEPTH_8U,1);
         pImageGreen = cvCreateImage(cvGetSize(pImage),IPL_DEPTH_8U,1);
         pImageBlue = cvCreateImage(cvGetSize(pImage),IPL_DEPTH_8U,1);
         cvSplit(pImage,pImageBlue,pImageGreen,pImageRed,NULL);
         uchar *dataRed =  new  uchar[pImage->width*pImage->height];
         uchar *dataGreen =  new  uchar[pImage->width*pImage->height];;
         uchar *dataBlue =  new  uchar[pImage->width*pImage->height];;
             
         int  height = pImage->height;
         int  width =pImage->width;
         for ( int  i = 0; i<height; i++)
         {
             memcpy (dataRed + width*i,pImageRed->imageData + pImageRed->widthStep*i, width);
             memcpy (dataGreen + width*i,pImageGreen->imageData + pImageGreen->widthStep*i, width);
             memcpy (dataBlue + width*i,pImageBlue->imageData + pImageBlue->widthStep*i, width);
         }
         gen_image3(&Hobj, "byte" ,pImage->width,pImage->height,(Hlong)(dataRed),(Hlong)(dataGreen),(Hlong)(dataBlue));
         cvReleaseImage(&pImageRed);
         cvReleaseImage(&pImageGreen);
         cvReleaseImage(&pImageBlue);
         delete [] dataRed;
         delete [] dataGreen;
         delete [] dataBlue;
     }
     if  (1 == pImage->nChannels)
     {
         int  height = pImage->height;
         int  width =pImage->width;
         uchar *dataGray =  new  uchar[width*height];
             
         for ( int  i = 0; i<height; i++)
         {
             memcpy (dataGray + width*i,pImage->imageData + pImage->widthStep*i, width);
         }
         gen_image1(&Hobj, "byte" ,pImage->width,pImage->height,(Hlong)(dataGray));
         delete [] dataGray;
     }   
     return  Hobj;
}
IplImage* HImageToIplImage(Hobject &Hobj)
{
     IplImage *pImage;
     HTuple htChannels;
     char  cType[MAX_STRING];
     Hlong     width,height;
     width = height =0;  
     //转换图像格式
     convert_image_type(Hobj,&Hobj, "byte" );
     count_channels(Hobj,&htChannels);
     if  (htChannels[0].I() == 1)  
     {
         unsigned  char  *ptr;
         get_image_pointer1(Hobj,(Hlong *)&ptr,cType,&width,&height);
         pImage = cvCreateImage(cvSize(width,height),IPL_DEPTH_8U,1);
         for ( int  i = 0; i<height; i++)
         {
             memcpy (pImage->imageData+ pImage->widthStep*i, ptr + width*i, width);
         }
     }
     if  (htChannels[0].I() == 3)  
     {
     
         unsigned  char  *ptrRed,*ptrGreen,*ptrBlue;
         ptrRed = ptrGreen =ptrBlue = NULL;
     
         get_image_pointer3(Hobj,(Hlong *)&ptrRed,(Hlong *)&ptrGreen,(Hlong *)&ptrBlue,cType,&width,&height);
     
         IplImage *pImageRed,*pImageGreen,*pImageBlue;
         pImage = cvCreateImage(cvSize(width,height),IPL_DEPTH_8U,3);
         pImageRed = cvCreateImage(cvSize(width,height),IPL_DEPTH_8U,1);
         pImageGreen = cvCreateImage(cvSize(width,height),IPL_DEPTH_8U,1);
         pImageBlue = cvCreateImage(cvSize(width,height),IPL_DEPTH_8U,1);
         for ( int  i = 0; i<height; i++)
         {
             memcpy (pImageRed->imageData+ pImageRed->widthStep*i, ptrRed + width*i, width);
             memcpy (pImageGreen->imageData+ pImageGreen->widthStep*i, ptrGreen + width*i, width);
             memcpy (pImageBlue->imageData+ pImageBlue->widthStep*i, ptrBlue + width*i, width);
         }
         cvMerge(pImageBlue,pImageGreen,pImageRed,NULL,pImage);
         cvReleaseImage(&pImageRed);
         cvReleaseImage(&pImageGreen);
         cvReleaseImage(&pImageBlue);
     }  
     return  pImage;
}

这篇关于Halcon Image与OpenCV IplImage图像数据相互转换的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1017437

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X