HalconDotNet中的图像特征与提取详解

2024-09-08 07:28
文章标签 提取 图像 详解 特征 halcondotnet

本文主要是介绍HalconDotNet中的图像特征与提取详解，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！

文章目录

  • 简介
  • 一、边缘特征提取
  • 二、角点特征提取
  • 三、区域特征提取
  • 四、纹理特征提取
  • 五、形状特征提取

简介

  图像特征提取是图像处理中的一个重要步骤，用于从图像中提取有意义的特征，以便进行进一步的分析和处理。HalconDotNet提供了多种图像特征提取方法，每种方法都有其特定的应用场景和优缺点。

一、边缘特征提取

  边缘特征提取是图像处理中最基本的特征提取方法之一，通过检测图像中的边缘来提取物体的轮廓信息。HalconDotNet提供了多种边缘检测算子，如Sobel、Canny等。

详细说明

  边缘特征提取通过检测图像中灰度变化明显的区域来提取物体的轮廓信息。边缘特征通常用于物体识别、形状分析等任务。HalconDotNet中的边缘检测算子可以有效地提取图像中的边缘信息，并生成边缘图像。

C#示例代码

using HalconDotNet;class Program
{static void Main(string[] args){// 初始化HalconHOperatorSet.SetSystem("width", 512);HOperatorSet.SetSystem("height", 512);// 读取图像HObject image;HOperatorSet.ReadImage(out image, "printer_chip/printer_chip_01");// Sobel边缘检测HObject edges;HOperatorSet.SobelAmp(image, out edges, "sum_abs", 3);// 创建窗口并显示图像HWindow window = new HWindow(0, 0, 512, 512, 0, "visible", "");window.DispObj(edges);// 等待用户输入HOperatorSet.WaitSeconds(10);// 释放资源image.Dispose();edges.Dispose();window.Dispose();}
}

二、角点特征提取

  角点特征提取是一种用于检测图像中角点的方法，角点是图像中灰度变化剧烈的点，通常对应于物体的拐角或边缘交叉点。HalconDotNet提供了Harris角点检测算子。

详细说明

  角点特征提取通过检测图像中灰度变化剧烈的点来提取物体的角点信息。角点特征通常用于图像匹配、目标跟踪等任务。HalconDotNet中的Harris角点检测算子可以有效地提取图像中的角点信息，并生成角点图像。

C#示例代码

using HalconDotNet;class Program
{static void Main(string[] args){// 初始化HalconHOperatorSet.SetSystem("width", 512);HOperatorSet.SetSystem("height", 512);// 读取图像HObject image;HOperatorSet.ReadImage(out image, "printer_chip/printer_chip_01");// Harris角点检测HObject corners;HOperatorSet.CornerHarris(image, out corners, 2, 3, 0.04, "light");// 创建窗口并显示图像HWindow window = new HWindow(0, 0, 512, 512, 0, "visible", "");window.DispObj(corners);// 等待用户输入HOperatorSet.WaitSeconds(10);// 释放资源image.Dispose();corners.Dispose();window.Dispose();}
}

三、区域特征提取

  区域特征提取是一种用于提取图像中区域特征的方法，区域特征包括区域的面积、周长、重心等。HalconDotNet提供了多种区域特征提取算子。

详细说明

  区域特征提取通过分析图像中的连通区域来提取区域的特征信息。区域特征通常用于物体识别、形状分析等任务。HalconDotNet中的区域特征提取算子可以有效地提取图像中的区域特征，并生成特征向量。

C#示例代码

using HalconDotNet;class Program
{static void Main(string[] args){// 初始化HalconHOperatorSet.SetSystem("width", 512);HOperatorSet.SetSystem("height", 512);// 读取图像HObject image;HOperatorSet.ReadImage(out image, "printer_chip/printer_chip_01");// 图像二值化HObject binaryImage;HOperatorSet.Threshold(image, out binaryImage, 128, 255);// 提取连通区域HObject connectedRegions;HOperatorSet.Connection(binaryImage, out connectedRegions);// 计算区域特征HTuple area, row, column;HOperatorSet.AreaCenter(connectedRegions, out area, out row, out column);// 显示区域特征Console.WriteLine($"区域面积: {area.D}");Console.WriteLine($"重心: ({row.D}, {column.D})");// 创建窗口并显示图像HWindow window = new HWindow(0, 0, 512, 512, 0, "visible", "");window.DispObj(connectedRegions);// 等待用户输入HOperatorSet.WaitSeconds(10);// 释放资源image.Dispose();binaryImage.Dispose();connectedRegions.Dispose();window.Dispose();}
}

四、纹理特征提取

  纹理特征提取是一种用于提取图像中纹理特征的方法，纹理特征通常用于描述图像的局部模式和结构。HalconDotNet提供了多种纹理特征提取算子，如灰度共生矩阵（GLCM）。

详细说明

  纹理特征提取通过分析图像中的灰度分布和局部模式来提取纹理特征。纹理特征通常用于图像分类、目标识别等任务。HalconDotNet中的纹理特征提取算子可以有效地提取图像中的纹理特征，并生成特征向量。

C#示例代码

using HalconDotNet;class Program
{static void Main(string[] args){// 初始化HalconHOperatorSet.SetSystem("width", 512);HOperatorSet.SetSystem("height", 512);// 读取图像HObject image;HOperatorSet.ReadImage(out image, "printer_chip/printer_chip_01");// 图像灰度化HObject grayImage;HOperatorSet.Rgb1ToGray(image, out grayImage);// 计算灰度共生矩阵HObject glcm;HOperatorSet.GenImageSurfaceFirstOrder(grayImage, out glcm, "mean", "x", "y");// 提取纹理特征HTuple energy, contrast, homogeneity, entropy;HOperatorSet.TextureLaws(grayImage, out energy, "energy", 2, 5);HOperatorSet.TextureLaws(grayImage, out contrast, "contrast", 2, 5);HOperatorSet.TextureLaws(grayImage, out homogeneity, "homogeneity", 2, 5);HOperatorSet.TextureLaws(grayImage, out entropy, "entropy", 2, 5);// 显示纹理特征Console.WriteLine($"能量: {energy.D}");Console.WriteLine($"对比度: {contrast.D}");Console.WriteLine($"均匀性: {homogeneity.D}");Console.WriteLine($"熵: {entropy.D}");// 创建窗口并显示图像HWindow window = new HWindow(0, 0, 512, 512, 0, "visible", "");window.DispObj(grayImage);// 等待用户输入HOperatorSet.WaitSeconds(10);// 释放资源image.Dispose();grayImage.Dispose();glcm.Dispose();window.Dispose();}
}

五、形状特征提取

  形状特征提取是一种用于提取图像中形状特征的方法，形状特征包括物体的面积、周长、形状因子等。HalconDotNet提供了多种形状特征提取算子。

详细说明

  形状特征提取通过分析图像中的连通区域来提取形状特征。形状特征通常用于物体识别、形状分析等任务。HalconDotNet中的形状特征提取算子可以有效地提取图像中的形状特征，并生成特征向量。

C#示例代码

using HalconDotNet;class Program
{static void Main(string[] args){// 初始化HalconHOperatorSet.SetSystem("width", 512);HOperatorSet.SetSystem("height", 512);// 读取图像HObject image;HOperatorSet.ReadImage(out image, "printer_chip/printer_chip_01");// 图像二值化HObject binaryImage;HOperatorSet.Threshold(image, out binaryImage, 128, 255);// 提取连通区域HObject connectedRegions;HOperatorSet.Connection(binaryImage, out connectedRegions);// 计算形状特征HTuple area, row, column, roundness, compactness;HOperatorSet.AreaCenter(connectedRegions, out area, out row, out column);HOperatorSet.Roundness(connectedRegions, out roundness, out compactness);// 显示形状特征Console.WriteLine($"区域面积: {area.D}");Console.WriteLine($"重心: ({row.D}, {column.D})");Console.WriteLine($"圆度: {roundness.D}");Console.WriteLine($"紧密度: {compactness.D}");// 创建窗口并显示图像HWindow window = new HWindow(0, 0, 512, 512, 0, "visible", "");window.DispObj(connectedRegions);// 等待用户输入HOperatorSet.WaitSeconds(10);// 释放资源image.Dispose();binaryImage.Dispose();connectedRegions.Dispose();window.Dispose();}
}

这篇关于HalconDotNet中的图像特征与提取详解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/1147486。

相关文章

Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
基于人工智能的图像分类系统

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
阅读更多...
OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息，即可快速实现设备配网，是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递，利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力，实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后，即可发送相关配网数据。同时还支持与常规Sof
阅读更多...
6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

上篇：6.1.数据结构-c/c++模拟实现堆上篇（向下，上调整算法，建堆，增删数据）-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小)： 2.2 C语言代码（手写堆） 2.3 C++代码（使用优先级队列 priority_queue）
阅读更多...
K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述： 安装步骤： 安装Docker：K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master：在集群中选择一台主机作为Master节点，安装K8S的控制平面组件，如AP
阅读更多...
嵌入式Openharmony系统构建与启动详解

嵌入式Openharmony系统构建与启动详解

大家好，今天主要给大家分享一下，如何构建Openharmony子系统以及系统的启动过程分解。 第一：OpenHarmony系统构建      首先熟悉一下，构建系统是一种自动化处理工具的集合，通过将源代码文件进行一系列处理，最终生成和用户可以使用的目标文件。这里的目标文件包括静态链接库文件、动态链接库文件、可执行文件、脚本文件、配置文件等。      我们在编写hellowor
阅读更多...
LabVIEW FIFO详解

LabVIEW FIFO详解

在LabVIEW的FPGA开发中，FIFO（先入先出队列）是常用的数据传输机制。通过配置FIFO的属性，工程师可以在FPGA和主机之间，或不同FPGA VIs之间进行高效的数据传输。根据具体需求，FIFO有多种类型与实现方式，包括目标范围内FIFO（Target-Scoped）、DMA FIFO以及点对点流（Peer-to-Peer）。 FIFO类型 **目标范围FIFO（Target-Sc
阅读更多...
019、JOptionPane类的常用静态方法详解

019、JOptionPane类的常用静态方法详解

目录 JOptionPane类的常用静态方法详解 1. showInputDialog()方法 1.1基本用法 1.2带有默认值的输入框 1.3带有选项的输入对话框 1.4自定义图标的输入对话框 2. showConfirmDialog()方法 2.1基本用法 2.2自定义按钮和图标 2.3带有自定义组件的确认对话框 3. showMessageDialog()方法 3.1
阅读更多...
脏页的标记方式详解

脏页的标记方式详解

脏页的标记方式 一、引言 在数据库系统中，脏页是指那些被修改过但还未写入磁盘的数据页。为了有效地管理这些脏页并确保数据的一致性，数据库需要对脏页进行标记。了解脏页的标记方式对于理解数据库的内部工作机制和优化性能至关重要。 二、脏页产生的过程 当数据库中的数据被修改时，这些修改首先会在内存中的缓冲池（Buffer Pool）中进行。例如，执行一条 UPDATE 语句修改了某一行数据，对应的缓
阅读更多...
OmniGlue论文详解（特征匹配）

OmniGlue论文详解（特征匹配）

OmniGlue论文详解（特征匹配） 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2