HaIcon
杂项写法
*角度转弧度
rad(0)
num:=[1,2,3,4,5,6,7,8,9]
*获取元组长度
tuple_length(nums,Length)引入文件加所有文件
助手 -> 打开新的 Image Acquisition -> 点击图像文件 -> 选择路径 —> 点击代码生成 -> 点击插入代码
算子
图像
rgb1_to_gray 彩色转灰度图像
- 将Image图片转为灰度图片赋值给GrayImage变量
rgb1_to_gray(Image,GrayImage)
mirror_image 镜像翻转图像
- 将Image图片进行镜像翻转，赋值给mirrorImage变量 （row垂直翻转，column水平翻转）
mirror_image(Image,mirrorImage,'row')
fill_up 填充连通域
- 将ConnectedRegions变量进行填充，赋值给FilledRegions变量
fill_up(ConnectedRegions,FilledRegions)
shape_trans 变换区域形状，是轮廓更加平滑
- 将FilledRegions变量进行轮廓形状拟合，赋值给FilledRegions变量
shape_trans(FilledRegions,FilledRegions,'outer_circle')
difference 计算差值
- 计算Image和mirrorImage的差值，赋值给Difference变量
difference(Image,mirrorImage,Difference)
erosion_circle 腐蚀操作
- 将Difference变量进行腐蚀操作，腐蚀程度为Size，赋值给Erosion变量
erosion_circle(Difference,Erosion,Size)
gray_opening_shape 灰度开运算
开运算是形态学处理中的一种基本操作，他首先对图像进行腐蚀（erosion）,然后进行膨胀（dilation)
这种组合有助于去除小的明亮的活着暗淡的区域（即噪声），同时保持图像上的整体形状和结构
gray_opening_shape(Image,ImageOpening,7,7,'octagon')
opening_shape 开运算
gray_closing_shape 灰度闭运算
闭运算是形态学处理中的一种基本操作，他首先对图像进行膨胀（dilation),然后进行腐蚀（erosion）
这种组合有助于填充图像中的小孔或黑色区域，同时平滑图像的轮廓，但不会显著的改变他们的总体位置和形状。
gray_closing_shape(Image,ImageClosing,7,7,'octagon')
region_to_bin 区域二值化
- 将Erosion变量进行二值化处理，显示区域的灰度值为255，背景为0，生成图像的宽为656，高为492， 赋值给Region变量
region_to_bin(Erosion,Region,255,0,656,492)
select_sharp 借助形状特征选择区域
- 筛选ConnectedRegions变量中面积在150到99999之间的区域，赋值给SelectedRegions变量
select_sharp(ConnectedRegions,SelectedRegions,'area','and',150,99999)
count_obj 计算连通域数量
- 计算ConnectedRegions变量中连通域的数量，赋值给Number变量
count_obj(SelectedRegions,Number)
area_center 获取区域的中心位置
- 获取到SelectedRegions图片的面积和中心原点
area_center(SelectedRegions,Area,Row,Column)
smallest_rectangle1 获取最小外接矩形
- 获取到SelectedRegions图片的最小外接矩形,拿到每一个矩形的信息赋值给Row,Column,Phi,Length1,Length2
smallest_rectangle2(SelectedRegions,Row,Column,Phi,Length1,Length2)
read_ocr_multi_class_mlp 读取OCR模型
- 读取OCR模型，赋值给ModelID变量
read_ocr_multi_class_mlp('Indudustrial_0-9A-Z_NoRej.omc',OCRHandle)
skeleton 获取骨架
- 获取到SelectedRegions图片的骨架，赋值给Skeleton变量
skeleton(SelectedRegions,Skeleton)
gray_histo 计算灰度直方图分布
gray_histo(Image,Image,AbsoluteHisto,RelativeHisto)
histo_to_thresh 根据图像直方图自动确定阈值，从而将灰度图像转化为二值图像
histo_to_thresh(RelativeHisto,8,MinThresh,MaxThresh)
wait_seconds 延时
wait_seconds(0.5)延时0.5秒
图像分割
threshold 阈值分割
- 将GrayImage图片进行二值化处理，赋值给Region变量
threshold(GrayImage,Region,128,255)
dyn_threshold 动态阈值分割
局部阈值分割操作
dyn_threshold(ImageOpening,ImageClosing,RegionDynThresh,75,'not_equal')
binary_threshold 自动全局阈值分割
- binary_threshold(Image,Region,'max_separability','dark',WindowHandle)
auto_threshold 使用直方图确定阈值对图像进行分割
基于阈值，分割成前景（亮区域）和后景（暗区域）
会自动计算阈值，根据阈值划分成不同的区域（Region）
auto_threshold(Image,Regions,5)
connection 连通域分析
- 将Region变量进行连通域分析，赋值给ConnectedRegions变量
connection(Region,ConnectedRegions)
sort_region 根据区域的相对位置进行排序
参数： ConnectedRegions：要排序的区域 SortRegions：排序后的区域 'character'：按照字符排序 'true'：增加或减少 'row'：按照行排序sort_region(ConnectedRegions,SortRegions,'charscter','true','row')
union1 返回所有输入区域的并集
将每个单独的对象的合并成一个对象
union1(ConnectedRegions,union1Region)
图像对比
create_shape_model 创建一个要匹配的模板
**参数：**ImageReduced1输入的模型 'auto'金字塔等级的数量 rad(0)角度开始 rad(360)角度范围 auto角度的步长(分辨率) auto优化类型 'use_polarity'Match指标 'auto'对比度阈值 'auto'搜索图像中对象的最小对比度 ModelID模型的句柄create_shape_model(ImageReduced1,'auto',rad(0),rad(360),'auto','auto','use_polarity','auto','auto',ModelID)
find_shape_model 查找图像中形状模型的最佳匹配项
**参数：**Image输入的图像 ModelID模型的句柄 rad(0)最小旋转 rad(360)旋转的角度范围 0.5最低接受分数 1匹配的数量 0.5实例的最大重叠数 'least_squares'子像素 0匹配使用金字塔等级数 0.9搜索启发式的贪婪模式 Row1找到模型的行坐标 Cloumn1找到模型的列坐标 Angle找到的模型实例的旋转角度 Score找到的模型的实例分数find_shape_model(Image,ModelID,rad(0),rad(360),0.5,1,0.5,'least_squares',0,0.9,Row1,Cloumn1,Angle,Score)
dev_display_shape_matching_results 显示匹配结果
参数： ModelID输入的匹配模型 'red'输入匹配结果后用什么颜色展示 Row1输入匹配的y坐标的位置 Column1输入匹配的x坐标的位置 Angle输入匹配的对应的角度 1水平方向的缩放比例 1垂直方向的缩放比例 0找到的模型实例的索引dev_display_shape_matching_results(ModelID,'red',Row1,Column1,Angle,1,1,0)
vector_angle_to_rigiid 计算来自点和角度的刚性仿射变换
**参数：**Row 原始点的行坐标 Column原始点的列坐标 0原始点的旋转角度 Row1 变换点的行坐标 Column1变换点的列坐标 Angle变换点的旋转角度 HomMat2D输出的转换矩阵
vector_angle_to_rigiid(Row,Column,0,Row,Column1,Angle,HomMat2D)
仿射变换
hom_mat2d_identity 获取图片的矩阵常量
- 获取图片的常量矩阵赋值给HomMat2D
hom_mat2d_identity(HomMat2D)
hom_mat2d_translate 平移矩阵
- 将HomMat2D矩阵进行平移，Row为行，Column为列，赋值给HomMat2DTranslate变量
hom_mat2d_translate(HomMat2D,Height/2-Row,Width/2-Column,HomMat2DTranslate)
hom_mat2d_rotate 旋转矩阵
- 将HomMat2D矩阵进行旋转，Angle为角度,Height/2、Width/2为旋转的中心原点，赋值给HomMat2DRotate变量
hom_mat2d_rotate(HomMat2D,Angle,Height/2,Width/2,HomMat2DRotate)
hom_mat2d_scale 缩放矩阵
- 将HomMat2D矩阵进行缩放，XFactor为X轴缩放比例，YFactor为Y轴缩放比例，Height/2、Width/2为缩放的中心原点，赋值给HomMat2DRotate变量
hom_mat2d_scale(HomMat2D,2,2,Height/2,Width/2,HomMat2DRotate)
affine_trans_image 仿射变换
- 将Image图片根据HomMat2DRotate矩阵进行仿射变换，将变换后的图像赋值给ImageAffineTrans变量
affine_trans_image(Image,ImageAffineTrans,HomMat2DRotate,'constant','false')
affine_trans_region 对区域应用任意仿射2D变换
参数： RegionUnion要旋转和缩放的区域 RegionAffineTrans变换过的图像 HomMat2D输入变换矩阵 nearest_neighbor应该使用插值来完成转换吗affine_trans_region(RegionUnion,RegionAffineTrans,HomMat2D,'nearest_neighbor')
图像增强
invert_image 图像取反算子
- 将GrayImage图片进行取反操作，赋值给InvertImage变量
invert_image(GrayImage,InvertImage)
emphasize 增强图像的对比度
- 增强图像的对比度 将Mask图片进行增强，赋值给Emphasize变量
emphasize(Mask,Emphasize,9,9,1,0)
scale_image 图像缩放灰度
- 将Emphasize图片进行缩放灰度，赋值给ScaleImage变量
scale_image(Emphasize,ScaleImage,0,255)
equ_hist_image 直方图均衡化
- 将ScaleImage图片进行直方图均衡化，赋值给EquImage变量
equ_hist_image(ScaleImage,EquImage)
图像噪声
gauss_distribution 生成高斯噪声分布
- 生成高斯噪声分布，均值为20，将噪声分布赋值给Distribution变量
gauss_distribution(20,Distribution)
add_noise_distribution 向图像添加噪声
- 将Distribution噪声分布添加到GrayImage图片中，赋值给ImageNoise变量
add_noise_distribution(GrayImage,ImageNoise,Distribution)
sp_distribution 生成椒盐噪声分布
- 生成30百分比的盐（白色像素），40胡椒粉（黑噪声像素），将噪声分布赋值给Distribution
sp_distribution(30,40,Distribution)
mean_image 均值滤波,通过平均平滑
- 将Image图片进行均值滤波，滤镜遮罩高度为3宽度为3的图片赋值给Mean变量
mean_image(Image,Mean,3,3)
图像锐化
sobel_amp 使用Sobel算子检测边缘（振幅） （图像锐化）
- 使用Sobel算子检测边缘（振幅） 将Image图片进行边缘检测，过滤类型为sum_abs,滤镜遮罩大小为3，赋值给Amp变量
sobel_amp(Image,Amp,'sum_abs',3)
laplace 拉普拉斯算法
- 使用拉普拉斯算法将Image图片进行边缘检测，滤镜遮罩大小为3，赋值给Laplace变量
laplace(Image,ImageLaplace,'signed',3,'n_4')
频域图像处理
fft_generic 快速傅里叶变换
- 将Image图片进行快速傅里叶变换，赋值给ImageFFT变量 ('to_freq'正变换,'from_freq'反变换)
fft_generic(Image,ImageFFT,'to_freq',-1,'sqrt','dc_center','complex')
gen_lowpass 生成低通滤波器模型
- 生成一个低通滤波器，赋值给ImageLowpass变量，半径为0.1，类型为none，中心为dc_center，宽高为Width,Height
gen_lowpass(ImageLowpass,0.1,'none','dc_center',Width,Height)
convol_fft
- 将ImageFFT图片进行卷积操作，赋值给ImageFFTConv变量
convol_fft(ImageFFT,ImageLowpass,ImageFFTConv)
文件
gen_image_const 生成一个常量图像
- 设置一个单通道图片，大小 宽为12像素，高为9像素
gen_image_const(Image,'byte',12,9)
set_grayval 设置某个像素点的灰度值
- 设置Image图片中坐标为0,0的像素点灰度值为255
set_grayval(Image,0,0,255)
write_image 写入图片文件
- 将Image图片写入到文件中，文件名为clip 无法识别的区域用黑色代替（灰度值为0）
write_image(Image,'pnd',0,'clip.png')
read_image 读取图片文件
- 读取图片文件，赋值给Image变量
read_image(Image,'clip')
zoom_image_factor
- 将Image图片进行缩放，赋值给ZoomImage变量
zoom_image_factor(Image,ZoomImage,0.5,0.5,'constant')
get_image_size 获取照片的宽高
- 获取照片的宽高并赋值给Height,Width变量
get_image_size(Image,Height,Width)
窗口
dev_open_window 打开一个窗口
- 打开一个窗口 位置在0，0，宽高为自适应，背景为黑色，赋值给WindowID变量
dev_open_window(0,0,-1,-1,'black',WindowID)
dev_close_window 关闭窗口
- 关闭WindowID窗口
dev_close_window(WindowID)
dev_display
- 将Image图片显示在窗口上
dev_display(Image)
draw_rectangle1
- 在WindowID窗口上绘制一个矩形将坐标位置赋值给Row1,Column1,Row2,Column2
draw_rectangle1(WindowID,Row1,Column1,Row2,Column2)
gen_rectangle1
- 根据绘制的矩形窗口坐标创建一个矩形框
gen_rectangle1(Rectangle,Row1,Column1,Row2,Column2)
reduce_domain
- 缩小图像的区域 将Image图片根据Rectangle矩形框进行裁剪，赋值给Mask变量
reduce_domain(Image,Rectangle,Mask)
dev_set_part
- 修改显示的图像部分 将Emphasize图片显示在WindowID窗口上，显示部分为Rectangle矩形框
dev_set_part(Row1,Column1,Row2,Column2)
dev_disp_text
- 在windows窗口上显示文本，文本内容为Text
dev_disp_text(Text,'window',Row,Column,'black',[],[])
set_display_font 设置字体
- 设置窗口显示的字体，字体大小为26，字体类型为mono，字体粗体为true，斜体为false
set_display_font(WindowID,26,'mono','true','false')
颜色
SetColored 设置颜色数量
- 设置颜色数量为12
SetColored(Image,12)
dev_set_colored 设置颜色数量
识别
二维码和一维码识别
halcon扫描二维码若出现中文会有中文乱码问题,在halcon中给出方案是
set_system ('filename_encoding', 'utf8')*创建一个二维码数据class模型 1.create_data_code_2d_model (‘QR Code’,‘default_parameters’, ‘maximum_recognition’,DataCodeHandle) *-检测和读取图像中的二维数据代码符号或训练二维数据代码模型。 2.find_data_code_2d (GrayImage,SymbolXLDs,DataCodeHandle, ‘train’, ‘all’,ResultHandles, DecodedDataStrings) *删除2D数据代码模型并释放分配的内存。 3.clear_data_code_2d_model(DataCodeHandle)
我们经常会碰到的问题
1.Halcon算子默认情况下，只识别一个。如果需要识别多个二位码，修改下面参数： find_data_code_2d (Image2, SymbolXLDs, DataCodeHandle, ‘stop_after_result_num’, 3, ResultHandles, DecodedDataStrings) 表示识别图片中3个二位数。按照要求修改。 2.关于二维码的类型：
create_data_code_2d_model算子的第一个参数，就是二位码类型，如果想做成通用的二位码类型，就需要枚举每个类型了。 2d_codeMode:=[‘Aztec Code’, ‘Data Matrix ECC 200’, ‘GS1 Aztec Code’, ‘GS1 DataMatrix’, ‘GS1 QR Code’, ‘Micro QR Code’, ‘PDF417’, ‘QR Code’]
3.图像预处理和二维码增强（图片本身问题调整） 对比度太低：scale_image（Scale the gray values of an image），增强图像的对比度。白话的意思是让黑的地方更黑，亮的地方更亮 图像模糊：emphasize锐化图像，使二维码看起来更清晰。 关于这两个算子，将在下面章节介绍。
4.如果整张图信息太多，则可以先把二维码区域挖出来，使用reduce_domain和crop_domain算子，这样不仅可以降低解码难度，还可以减少解码时间。
5、当二维码很小的时候，可以尝试用zoom_image_factor放大了二维码图像。
6、create_data_code_2d_model (‘QR Code’, [], [], DataCodeHandleQR)
创建模型时，[ ]中不填内容，实际默认属性名是‘default_parameters’，默认属性值是‘standard_recognition’。 如果想大幅度提高解码成功率，可以将属性值置为‘enhanced_recognition’或者‘maximum_recognition’。注意：解码能力越强，解码时间越长。
最后还有几个算子也值得注意一下：
set_data_code_2d_param ：设置解码时的参数
get_data_code_2d_param ：获取解码时的参数（如果没有设置过，则获得的是默认值）
get_data_code_2d_results ：获得解码后的一些结果
以上是关于二维码识别的相关情况的总结，实际工程项目中，还需要将二维码识别数据显示出来和传递出去。