Halcon学习之create_shape_model案例分解

示例程序： 

*将图像限定在模型ROI区域内。 reduce_domain (ModelImage, ModelROI, ImageROI) *创建一个形状模型，其中包括旋转角度、极性和精度等参数，结果存储在 ModelID 中。 create_shape_model (ImageROI, 4, 0, 0, 'auto', 'none', 'use_polarity', 30, 10, ModelID) *检查形状模型，显示模型图像和区域。 inspect_shape_model (ImageROI, ShapeModelImage, ShapeModelRegion, 1, 30) *获取形状模型的轮廓。 get_shape_model_contours (ModelContours, ModelID, 1) *在图像中找到模版匹配的对象 find_shape_model(Image, ModelID1, 0, 0, 0.8, 0, 0.5, 'least_squares', 0, 0.7, Rows, Columns, Angles, Score1) if (|Score1| > 0)         for i := 0 to |Score1| - 1 by 1          *对于每个匹配的对象，计算仿射变换，确定对象的位移和旋转角度。         vector_angle_to_rigid (0, 0, 0, Rows[i], Columns[i], Angles[i], MovementOfObject)         *对于每个匹配的对象。轮廓进行仿射变换         affine_trans_contour_xld (ModelContours, ModelAtNewPosition, MovementOfObject)         dev_display (ModelAtNewPosition)                endfor    endif stop ()

 create_shape_model：

create_shape_model是 HALCON 中用于创建形状匹配模型的算子。形状匹配是一种计算机视觉技术，用于在图像中找到特定形状的对象。该算子创建的模型可以用来检测和定位图像中的特定形状。

算子解析：create_shape_model (Image : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, MinContrast, Contrast : ModelID)

• ImageROI：输入的图像或区域（ROI），即要基于其创建形状模型的图像部分。

• NumLevels：金字塔层级数，表示用于匹配的图像金字塔层数。较多的层级可以加快匹配速度，但可能降低精度。设置为 4 意味着使用 4 层金字塔。

• AngleStart：形状模型旋转的起始角度（单位：弧度）。例如，0 表示从 0 度开始。

• AngleExtent：旋转角度范围（单位：弧度）。例如，0 表示不旋转，2*pi 表示全360度旋转。此处设置为 0 表示不进行旋转搜索。

• AngleStep：角度步长（单位：弧度）。表示在角度范围内进行旋转的步长。设置为 'auto' 表示由系统自动选择合适的步长。

• Optimization：优化选项，影响形状模型创建时的速度和精度。常见的设置包括 'none' 和 'point_reduction'。设置为 'none' 表示不进行优化。

• Metric：度量方法，用于定义如何衡量图像中的点与形状模型的匹配程度。常用选项有 'use_polarity'、'ignore_global_polarity' 等。'use_polarity' 表示使用极性信息，这有助于更准确地匹配对比度反转的区域。

• Contrast：对比度参数（用于模型创建时使用），对比度在这里指的是图像中像素灰度值的变化率，表示一个像素与其邻域像素之间灰度值的差异。对比度值越大，边缘越明显。用于过滤噪声。如果 Contrast 设置得高，只有非常明显的边缘（即灰度值变化很大的地方）才会被包括在形状模型中。这样做的好处是可以减少噪声的影响，因为较小的对比度变化（通常是由噪声引起的）会被忽略。设置为 30 表示只有对比度大于 30 的边缘才会被考虑。

• MinContrast：最小对比度参数（用于检测对象时使用），它决定了模型匹配过程中考虑的最低边缘强度。值越高，模型在匹配过程中忽略的弱边缘越多，从而减少噪声干扰。设置为 10 表示忽略对比度小于 10 的边缘。

• ModelID：输出参数，用于存储生成的形状模型的句柄。这个句柄是后续匹配操作所需的关键。

inspect_shape_model  ：

inspect_shape_model 是 HALCON 图像处理库中的一个算子，用于检查和可视化已经创建的形状模型。该算子生成可视化的形状模型图像和区域，以便用户了解模型的结构和特征，验证模型是否正确。

算子解析：inspect_shape_model (Image : ShapeModelImage, ShapeModelRegion : ModelID, ModelImage, NumLevels, Threshold)

1. ImageROI（输入）：指明用于创建形状模型的输入图像或图像区域（ROI）。这是之前通过 create_shape_model 算子创建形状模型时所使用的图像或区域。

2. ShapeModelImage（输出）：输出的形状模型图像。这个图像是由形状模型的轮廓绘制而成的，可以用于可视化模型的形状。它帮助用户确认模型是否正确捕捉了目标对象的关键特征。

3. ShapeModelRegion（输出）：输出的形状模型区域。这是一个二值区域，表示形状模型在图像中的位置和形状。该区域与 ShapeModelImage 相关联，用于可视化模型在图像中的实际覆盖范围。

4. Background（输入）：背景灰度值。该值用于设置 ShapeModelImage 的背景灰度级别。常用的设置有 0（黑色背景）和 255（白色背景），或者介于两者之间的灰度值。这有助于在不同的对比度条件下更好地查看模型的轮廓。

5. Quality（输入）：质量参数，影响形状模型图像的生成方式。常用的值范围在 1 到 100 之间，其中 1 表示最低质量，100 表示最高质量。较高的质量值会生成更详细的模型图像，但也可能需要更多的计算时间。

get_shape_model_contours ：

get_shape_model_contours 是 HALCON 中用于获取形状模型轮廓的算子。该算子从已经创建的形状模型中提取轮廓，并返回表示这些轮廓的 XLD（eXtended Line Description）对象。XLD 对象是 HALCON 用于表示几何图形（如轮廓、边界等）的数据结构。

算子解析：get_shape_model_contours (ShapeModelContours, ModelID, Level)

1. ShapeModel（输出）：输出的形状模型轮廓。这个参数返回一组 XLD 轮廓对象，这些对象表示形状模型中的轮廓线。这些轮廓可以用于进一步的处理或可视化，以查看形状模型的具体细节。

2. ModelID（输入）：形状模型的句柄，即通过 create_shape_model 创建的形状模型的标识符。该句柄用于指定要提取轮廓的具体形状模型。

3. Level（输入）：用于控制返回的轮廓的金字塔层级。形状模型可以在不同的分辨率层级上进行创建和存储。此参数决定从哪一层提取轮廓。通常，层级从 1 开始，表示最高分辨率层级。较高的层级表示更低的分辨率，这些层级可能包含更简化的轮廓。

find_shape_model ：

find_shape_model 是 HALCON 图像处理库中的一个算子，用于在图像中查找事先创建的形状模型。这是一个常用的匹配算法，可以用于图像识别、物体检测等场景。

算子解析：find_shape_model(Image: Hobject, ModelID: HTuple, AngleStart: HTuple, AngleExtent: HTuple, MinScore: HTuple,NumMatches: HTuple, MaxOverlap: HTuple, SubPixel: HTuple, NumLevels: HTuple,Greediness: HTuple, Row: HTuple, Column: HTuple, Angle: HTuple, Score: HTuple)

参数说明：

1. Image (输入): 要在其中搜索模型的输入图像。
2. ModelID (输入): 通过 create_shape_model 创建的形状模型的ID。
3. AngleStart (输入): 搜索的起始角度，以弧度为单位。0 表示无旋转。
4. AngleExtent (输入): 搜索的角度范围，以弧度为单位。例如，0 表示无角度搜索，π 表示从 -π/2 到 +π/2 的搜索范围。
5. MinScore (输入): 匹配的最低分数。值在 0 到 1 之间，表示模型匹配的最低置信度。
6. NumMatches (输入): 期望找到的匹配数量。如果设置为 0，则找到所有可能的匹配。
7. MaxOverlap (输入): 允许的最大重叠比例。值在 0 到 1 之间。较小的值会避免找到多个相似的匹配。
8. SubPixel (输入): 是否启用亚像素级别的精度。可以设置为 'true'、'false' 或 'none'。
9. NumLevels (输入): 金字塔层数，用于加速匹配过程。值为 0 表示不使用金字塔。
10. Greediness (输入): 贪婪系数，用于控制匹配算法的速度和精度。值在 0 到 1 之间，值越大越贪婪，匹配速度越快，但可能精度降低。

输出：

1. Row (输出): 找到的模型中心的行坐标。
2. Column (输出): 找到的模型中心的列坐标。
3. Angle (输出): 找到的模型的旋转角度，以弧度为单位。
4. Score (输出): 匹配得分，表示匹配的置信度。

vector_angle_to_rigid ：

vector_angle_to_rigid 是 HALCON 函数， 用于计算一个从参考坐标系（RefRow, RefColumn, RefAngle）到目标坐标系（Row, Column, Angle）的刚性变换矩阵。该矩阵可以用于将图像中的点、区域或轮廓从一个坐标系变换到另一个坐标系。

算子解析：vector_angle_to_rigid (RefRow, RefColumn, RefAngle, Row, Column, Angle, HomMat2D)

• RefRow: 输入参数。参考点的行坐标（y 坐标）。
• RefColumn: 输入参数。参考点的列坐标（x 坐标）。
• RefAngle: 输入参数。参考点的角度。
• Row: 输入参数。目标点的行坐标（y 坐标）。
• Column: 输入参数。目标点的列坐标（x 坐标）。
• Angle: 输入参数。目标点的角度。
• HomMat2D: 输出参数。二维刚性变换矩阵（Homogeneous Matrix）。

 affine_trans_contour_xld：

affine_trans_contour_xld 用于将仿射变换矩阵应用到 XLD 轮廓对象上，从而对轮廓进行平移、旋转、缩放和剪切等变换。该函数在机器视觉、图像处理和计算机视觉应用中广泛使用，用于调整图像中对象的位置和形状。

算子解析：affine_trans_contour_xld (ModelContours, ModelAtNewPosition, HomMat2D)

• ModelContours: 输入参数。要进行仿射变换的 XLD 轮廓对象。
• ModelAtNewPosition: 输出参数。变换后的 XLD 轮廓对象。
• HomMat2D: 输入参数。定义仿射变换的二维同类矩阵（Homogeneous Matrix）。