【Halcon】Halcon颜色识别之classify_fuses_gmm_based_lut.hdev

2024-03-11 07:18

本文主要是介绍【Halcon】Halcon颜色识别之classify_fuses_gmm_based_lut.hdev,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!



* In this example five different color fuses are segmented with
* a look-up table classifier (LUT) based on a Gaussian Mixture
* Model (GMM).
* 
**把程序窗口、变量窗口、显示窗体变为off状态
dev_update_off ()
*关闭窗口
dev_close_window ()
*打开窗口
dev_open_window (0, 0, 800, 600, 'white', WindowHandle)
**显示的对象只有边缘线
dev_set_draw ('margin')
*图片路径
ImageRootName := 'color/color_fuses_0'
*数据类型数组
FuseTypes := [5,10,15,20,30]
*颜色数组
FuseColors := ['Orange','Red','Blue','Yellow','Green']
*颜色数组
FuseHighlight := ['orange','red','blue','goldenrod','forest green']
*数据数组
DisplayTextShift := [85,65,75,85,85]
*设置窗口颜色
dev_set_color ('white')
*设置线宽度
dev_set_line_width (2)
*读取图像
read_image (Image, ImageRootName+'0')
*显示图像
dev_display (Image)
* 
* Define ROIs for the training data of the classifier
*设置窗体内文字格式
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
*获取矩形区域——产生一个平行坐标轴的矩形
gen_rectangle1 (FuseOrange, 195, 90, 230, 120)
*显示图像
dev_display (FuseOrange)
*显示文字提示
disp_message (WindowHandle, 'Orange Fuse', 'image', 160, 90-65, 'black', 'true')
*获取矩形区域——产生一个平行坐标轴的矩形
gen_rectangle1 (FuseRed, 191, 280, 226, 310)
dev_display (FuseRed)
disp_message (WindowHandle, 'Red Fuse', 'image', 160, 280-55, 'black', 'true')
gen_rectangle1 (FuseBlue, 190, 470, 225, 500)
dev_display (FuseBlue)
disp_message (WindowHandle, 'Blue Fuse', 'image', 160, 470-60, 'black', 'true')
gen_rectangle1 (FuseYellow, 192, 672, 227, 702)
dev_display (FuseYellow)
disp_message (WindowHandle, 'Yellow Fuse', 'image', 160, 672-70, 'black', 'true')
gen_rectangle1 (FuseGreen, 197, 880, 232, 910)
dev_display (FuseGreen)
disp_message (WindowHandle, 'Green Fuse', 'image', 160, 880-65, 'black', 'true')
*功能:创建一个空的目标元组
gen_empty_obj (Classes)
*功能:连接两个目标元组的图标
concat_obj (FuseOrange, FuseRed, Classes)
concat_obj (Classes, FuseBlue, Classes)
concat_obj (Classes, FuseYellow, Classes)
concat_obj (Classes, FuseGreen, Classes)
disp_message (WindowHandle, 'ROIs for the training data', 'window', 12, 12, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
* 
* Create the GMM classifier, add the samples, and train it
*功能:为分类创建一个高斯混合模型
create_class_gmm (3, 5, 1, 'full', 'none', 3, 42, GMMHandle)
*从图像中得到高斯混合模型的样本
add_samples_image_class_gmm (Image, Classes, GMMHandle, 0)
disp_message (WindowHandle, 'Training GMM classifier...', 'window', 48, 12, 'black', 'true')
*功能:训练一个高斯混合模型
train_class_gmm (GMMHandle, 100, 0.001, 'training', 0.001, Centers, Iter)
* 
* Create the GMM-based LUT classifier
disp_message (WindowHandle, 'Creating LUT classifier...', 'window', 84, 12, 'black', 'true')
*功能:为分类创建一个高斯混合模型(根据LUT模式)
create_class_lut_gmm (GMMHandle, ['bit_depth','rejection_threshold'], [6,0.03], ClassLUTHandle)
*功能:清除一个高斯混合模型
clear_class_gmm (GMMHandle)
* 
* Segment images with LUT classifier
for Img := 0 to 3 by 1read_image (Image, ImageRootName + Img)*开始计时count_seconds (T1)*根据lut模式分类图像classify_image_class_lut (Image, ClassRegions, ClassLUTHandle)*结束计时count_seconds (T2)*求取执行时间TimeToClassify := (T2-T1)*1000*显示图像dev_display (Image)*设置线宽dev_set_line_width (3)for Fuse := 1 to 5 by 1* * Perform post-processing on returned classes*功能:复制一个HALCON数据库中对象的图标copy_obj (ClassRegions, ObjectsSelected, Fuse, 1)*功能:关闭一个圆形结构基础的一个区域closing_circle (ObjectsSelected, RegionClosing, 3.5)*合并所有选定像素触摸相互连通区connection (RegionClosing, ConnectedRegions)*选择区域面积(属性:'面积')在指定区间内select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 2500, 99999)*填补选择区域中空洞的部分fill_up (SelectedRegions, RegionFillUp)*求取区域中心area_center (RegionFillUp, Area, Row, Column)*根据指定的参数对区域的形状进行转换, 如转换成正方形等shape_trans (RegionFillUp, RegionTrans, 'convex')*指定显示颜色dev_set_color (FuseHighlight[Fuse-1])*显示图像dev_display (RegionTrans)* *用来计算被识别出来的区域的个数count_obj (RegionTrans, Number)for j := 1 to Number by 1disp_message (WindowHandle, FuseColors[Fuse-1]+' '+FuseTypes[Fuse-1]+' A', 'image', Row[j-1]-10, Column[j-1]-DisplayTextShift[Fuse-1], FuseHighlight[Fuse-1], 'true')endforendfordisp_message (WindowHandle, TimeToClassify$'.1f'+' ms', 'window', 12, 12, 'black', 'true')if (Img < 3)disp_continue_message (WindowHandle, 'black', 'true')stop ()endif
endfor
* 清除lut
clear_class_lut (ClassLUTHandle)
disp_message (WindowHandle, 'No more lines to execute', 'window', 50, 12, 'black', 'true')


这篇关于【Halcon】Halcon颜色识别之classify_fuses_gmm_based_lut.hdev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/797064

相关文章

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

Pytorch微调BERT实现命名实体识别

《Pytorch微调BERT实现命名实体识别》命名实体识别(NER)是自然语言处理(NLP)中的一项关键任务,它涉及识别和分类文本中的关键实体,BERT是一种强大的语言表示模型,在各种NLP任务中显著... 目录环境准备加载预训练BERT模型准备数据集标记与对齐微调 BERT最后总结环境准备在继续之前,确

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

基于WinForm+Halcon实现图像缩放与交互功能

《基于WinForm+Halcon实现图像缩放与交互功能》本文主要讲述在WinForm中结合Halcon实现图像缩放、平移及实时显示灰度值等交互功能,包括初始化窗口的不同方式,以及通过特定事件添加相应... 目录前言初始化窗口添加图像缩放功能添加图像平移功能添加实时显示灰度值功能示例代码总结最后前言本文将

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了