Halcon指定区域的形状匹配

Halcon指定区域的形状匹配

1.在参考图像中选择目标

采集图像之后，接下来要做的是确定ROI的范围，创建一个包含目标的ROI。在本例中，首先使用read_image 算子获取参考图像，接着为了获取ROI，使用gen_rectangel1算子生成一个包含目标的矩形框。也可以使用其他类似的工具，如使用draw_rectangle1算子、draw_circlel算子创建一个包含目标物体的形状；或者利用形态学算法筛选出一个ROI。接着，使用reduce_domain 算子对选定的区域进行裁剪，创建模板图像。

2.创建模板

使用create_shape_model算子创建一个模板。在这之前，推荐使用inspect_shape_model算子,它可以帮助选择合适的模板参数，主要是金字塔层级和对比度。具体做法是，预设inspect_shape_model 算子的最后两个参数，其中NumLevels 表示金字塔的层级，Contrast表示点的最小对比度。该算子执行后会把预设了这两种参数的分级图像显示出来，可以根据需要判断参数设置得是否合理。例如，金字塔层级的最小图像如果不清晰，可以考虑降低层级数；如果对比度设置的值不足以提取出整个形状的轮廓，可以试着进行调整，以确定合适的参数。
在确定了金字塔层级和最小对比度之后，就可以创建模板了。创建模板时，除了上面两个参数外，还可以根据需要定义模板的其他参数。例如，可以通过AngleStart和AngleExtent 约束允许旋转的角度，通过 AngleStep约束角度变化的步长。这几个角度参数需要根据形状在图中可能发生的旋转角度进行设置。如果模板图像特别大，可以用Optimization对模型进行优化，减少点的数量。参数Metric 用来指定是否考虑极性的变化，如光照的影响。最后，还可以指定最小对比度参数MinContrast，用于将模板与图像噪声区分开来。
创建完成以后，create shape model算子会返回一个句柄，名称是ModelID，用来指定模板的名称。本例中还使用了get_shape_model_contours算子，用于观察提取出的形状轮廓。

3.搜索目标

创建好模板之后，接下来就是匹配计算。首先读取待检测的图像，然后使用find_shape_model算子搜索最佳匹配的区域，拽索到的区域的匹配分值会存入score参数中。如果各种参数都设定得很合适，应该会找到至少一个大于置信值的区域。
最后为了显示结果，可以在画面上依据计算结果绘图。这里绘制的是形状的轮廓，并根据图像的二维投影变换，将形状轮廓也进行了仿射变换，这样就能很清楚地看到结果。
如果这个模板不再使用，需用clear_shape_model算子将其清除，这样就可以将它所占用的内存释放了。该程序的运行结果如图所示。

图（a）为原始图像，用矩形框选择了箭头区域图像作为ROI，并根据其创建模板；图（b）为依据模板图像创建的图像金字塔；图（c）为测试图像，相比于原图，测试图像发生了小范围的缩放和旋转，并且有比较大的光照变化。拽索到最佳匹配形状后，在图上将其轮廓标示了出来。该程序的完整代码如下：

* 这个例子用来介绍 HALCON中的形状模板匹配
dev_close_window()
*读取图像并获取其宽高
read_image(ModelImage, 'data/arrow1')
median_image (ModelImage, ImageMedian, 'circle', 6, 'mirrored')
get_image_size(ModelImage, Width,Height)
dev_open_window (0, 0, Width/2, Height/2, 'white', WindowHandle)
*显示模板图像
dev_display (ModelImage)
* 设置画笔颜色和线条
dev_set_color ('yellow')
dev_set_line_width (3)
* -------------------  形状模板匹配程序  ----------------
*第1步：选择模板中的目标
Row1 := 281
Column1 := 160
Row2 := 440
Column2 := 312
*用矩形框选定一个目标区域
gen_rectangle1 (ROI, Row1, Column1, Row2, Column2)
*显示ROI区域
dev_display (ROI)
 *剪裁出这个区域
reduce_domain (ModelImage, ROI, ImageROI)
*第2步，创建模板
 *检查模板参数
inspect_shape_model (ImageROI, ShapeModelImages, ShapeModelRegions, 4, 50)
 *显示金字塔各层级的图像，以检查层数的合理性
dev_display (ShapeModelRegions)
area_center (ShapeModelRegions, AreaModelRegions, RowModelRegions,ColumnModelRegions)
count_obj (ShapeModelRegions, HeightPyramid)
 *确定金字塔的层级
for i := 1 to HeightPyramid by 1
if (AreaModelRegions[i - 1] >= 15)
        NumLevels := i
    endif
endfor
 *使用ROI图像创建模板
create_shape_model (ImageROI, NumLevels, 0, rad(360), 'auto', 'none', 'ignore_global_polarity', 50, 10, ModelID)
*获取轮廓信息，用于结果显示
get_shape_model_contours (ShapeModel, ModelID, 1)
* step 3: 在检测图像中搜索模板
*读取检测图像
read_image(SearchImage, 'data/arrow2')
*寻找最佳模板匹配
find_shape_model (SearchImage, ModelID, 0, rad(360), 0.3, 1, 0.5, 'least_squares', 0, 0.7,	RowCheck, ColumnCheck, AngleCheck, Score)
*如果找到了目标，则将它标示出来
if (|Score| > 0.9)
	*计算刚性变换矩阵
	vector_angle_to_rigid (0, 0, 0, RowCheck, ColumnCheck, AngleCheck,	MovementOfObject)
	*应用二维仿射变换XLD轮廓，以便在图像中显示检测到的轮廓
	affine_trans_contour_xld (ShapeModel, ModelAtNewPosition, MovementOfObject)
	*显示检测图像
     gen_rectangle2 (recResult, RowCheck, ColumnCheck, AngleCheck, 80, 80)
     dev_set_draw ('margin')
	dev_display (SearchImage)
     *标示出检测到的模板
	dev_display (ModelAtNewPosition)
	dev_set_color ('blue')
	dev_display (recResult)
endif
* -------------------  程序结束  -----------------
* 清除模板
clear_shape_model (ModelID)