halcon视觉入门扫盲篇
作者：互联网
halcon视觉入门扫盲篇
前言
在公司让我研究视觉的时候，我是两眼一抹黑的。之前完全没有接触过视觉。综合权衡后选择了Halcon，使用的是HDevelop 13 (64-bit)。
下载地址 官方下载
破解有点麻烦，我使用的是文件替换破解。一个exe文件一个dll文件，替换即可。
假设以上环境搭建没有问题，现在开始了解视觉识别的套路
基础知识
既然是做视觉，就需要图像，不管这个图像是从摄像头读过来的还是从文件中读取的。图片有一些基础信息，比如：
通道：一张图片一般有3个通道，也就是R G B 三个通道，R 代表红色 G 代表绿色 B 代表蓝色。
像素：计算机存储每个图片有N多个像素点，我们常说某个相机有几百万像素，说的就是这个，像素在计算机存储层面不可分割，是最小粒子。但在视觉算法上是可以的（后面再说）。
灰度值：灰度也可以认为是亮度，也是黑白图像中点的颜色深度，范围一般从0到255，白色为255 ，黑色为0，故黑白图片也称灰度图像。(如此简单理解即可)
Region：区域，根据特征提取出来的一些范围。
算子：直接理解成方法。
知道这些基础知识以后，我们在来理解什么是视觉识别。也别去看百度百科了，简单的理解就是，通过提取图像中的特征，选取我们需要的区域，从而达到一定的目的。
比如，有如下图
需要识别每个方格中是否有芯片。这是一个需求。根据这个需求，我们来进行需求拆解：
1. 如何在这张图里面得到这些方格。
2. 如何在每个方格中判断芯片是否存在。
大体思路就是这样了，接下来对图像进行分析，得到具体解决问题的思路：
如何在这张图里面得到这些方格。
分析图像可以知道：
-
方格是白色的，亮度较高。但白色的内容不只有方格，所以在提取特征的时候，需要注意。
-
方格比较规整，都是方形，面积相似。
-
方格与方格相连，所在的区域在整个图像的中心位置。
以上就是分析图像得到的信息。这些信息就是方格的特征，我们通过特征进行筛选，从而得到所有的方格。
如何判断方格中是否存在芯片
此时我们的兴趣点就在每个方格中，所以分析每个方格，我们可以得出一下结论：
-
芯片面积大小都差不多。
-
因为光照不均匀，导致有些地方的芯片亮度较高，有些亮度比较低，这可能是我们识别芯片过程中的难点。
-
芯片都是矩形。
-
有些芯片跟白色方格线比较近，可能会给我们识别芯片带来干扰。
-
芯片颜色灰度跟方格中的背景色不一致。
-
如果方格中没有芯片，那么方格中没有上述特征。
以上是特征分析，和解决问题的思路，接下来是编程的套路。
视觉分析的编程套路一般如下几个步骤：
- 打开图片（OpenImage）
- 将图片分解成3通道图片，或是转成灰度图（GrayImage）。
- 二值化或动态二值化（Region）。
- 联通区域。
- 特征筛选。
- 如果区域有干扰，一般会进行一下操作：
- 腐蚀
- 膨胀
- 形状转换
- 以上步骤重复，或组合重复。
- 根据需要，还可以合并区域，并重复4-6，从而达到目的。
- 输出区域并标注。
实则还有其他的处理方式，比如我们需要的区域特征不明显，不需要的区域特征很明显，此时，我们可以获取不需要的区域，然后使用相减的方式得到需要的区域。（这个会在实际的使用中讲到）
接下来进行答疑
我在学习的过程中，产生了很多疑问，直到我反复编程理解后才明白为什么要这么做。在这里，我会先给出答案。
Q:为什么需要将图片分解成3通道图片，或是灰度图？
A:我的理解是，因为如果不分解，图片是RGB三通道图片，那么程序就不知道对哪个通道进行操作。将图片转换为灰度图或是单通道后，我们才能根据图片的明暗，也就是灰度，进行特征提取。
Q：什么是二值化？
A：二值化通俗的讲就是通过两个灰度值来分割出感兴趣的区域。比如，我需要的区域很亮，我查看特征后发现，这个区域的亮度范围在 210-255之间。此时我就可以通过 threshold 算子，如： threshold(Image, Region, 210, 255) 来得到我们感兴趣的区域 Region。这里 Image是输入参数，210是控制参数，255是控制参数，Region是输出参数。
Q:什么是联通区域？
A:联通区域实际上是一个算子 connection,是这样调用的：connection (Region, ConnectedRegions) ，实际上我们通过二值化得到的区域不一定就完全是我们需要的内容，可能会存在干扰。也就是说，会有很多个区域存在，但这些区域在没有执行 connection之前是一个整体，我们只有在对他进行联通之后，才会被分割成多个对象。此时，我们就可以通过，面积，长宽，矩形相似度等特征进行进一步筛选。总的说回来，connection这个算子虽然说是联通区域，但实际上是将区域分割成多个部分。
Q:什么是特征筛选？
A：特征筛选是通过面积，长宽，矩形相似度，灰度值等条件，将我们需要的内容筛选出来。
Q:什么是腐蚀？
A：腐蚀的前提是我们要的比实际的结果要小，所以需要对目标区域进行腐蚀，让它变小。
Q:什么是膨胀？
A：膨胀跟腐蚀正好相反，因为我们要的比较大，但目标区域比较小，所以我们需要让它变大。
Q:什么是形状转换？
A：将目标区域转化为特定的形状，比如得到的区域是一个不规则的矩形，我们可以作外接矩形或是外接圆，让它更符合实际结果。
标签：入门,芯片,halcon,扫盲,区域,灰度,方格,我们,图片 来源： https://www.cnblogs.com/LearningC/p/15868723.html