《HALCON机器视觉与算法原理编程实践》第9章 特征提取
文章目录
9.1 区域形状特征
9.2 基于灰度值的特征
9.3 基于图像纹理的特征
9.1.1 区域的面积和中心点
9.1.2 封闭区域（孔洞）的面积
9.1.3 根据特征值选择区域
9.1.4 根据特征值创建区域
9.2.1 区域的灰度特征值
9.2.2 区域的最大、最小灰度值
9.2.3 灰度的平均值和偏差
9.2.4 灰度区域的面积和中心
9.2.5 根据灰度特征值选择区域
9.3.1 灰度共生矩阵
9.3.2 创建灰度共生矩阵
9.3.3 用共生矩阵计算灰度值特征
9.3.4 计算共生矩阵并导出其灰度值特征
9.3.5 提取图像的纹理特征
9.1 区域形状特征
在场景中选择物体的特征是图像测量或者识别的重要基础。
9.1.1 区域的面积和中心点dev_close_window () *读取图片 read_image(Image, 'data/holes') *设置窗口属性，为了获取窗口句柄，供后面显示文字用 get_image_size (Image, Width, Height) *创建新窗口 dev_open_window (0, 0, Width, Height, 'black', WindowID) *将图像转化为单通道灰度图 rgb1_to_gray (Image, GrayImage) *创建矩形选区，选择感兴趣部分 gen_rectangle1 (Rectangle, 180, 83, 371, 522) reduce_domain (GrayImage, Rectangle, ROI) *阈值处理，提取图中深色部分，也就是文字部分，这里阈值设置为50，基本可以取出所有黑色文字 threshold ( ROI, Region, 0, 80) *gen_image_proto (ImageReduced, ImageCleared, 0) *dev_display (Region) *提取中的整个区域中将不相连的部分分割成独立的区域 connection (Region, ConnectedRegions) *获取不相连的区域的数量 count_obj (ConnectedRegions, Num) *计算所有不相连区域的面积和中心点坐标。Area表示面积, Row和 Column分别表示中心点坐标 area_center (ConnectedRegions, Area, Row, Column) *打印各区域的面积 for i := 1 to Num by 1 dev_set_color ('red') select_obj (ConnectedRegions, ObjectSelected, i) *设定了输出文字的起始坐标点 set_tposition (WindowID, Row[i - 1]+40, Column[i - 1]) *设置打印文字的颜色 dev_set_color ('blue') *设置字体 * set_font (WindowID, '-System-32-*-*-0-0-0-1-GB2312_CHARSET-') *输出文字内容，即该区域的面积 write_string (WindowID, Area[i-1]) endfor
9.1.2 封闭区域（孔洞）的面积*清空显示窗口 dev_close_window () *读取包含孔洞的图片 read_image (Image, 'data/holes2') *打开新的显示窗口 dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) *将彩色图像转化为灰度图像，这是为了后面的图像二值化 rgb1_to_gray (Image, GrayImage) *进行阈值处理，提取出图中较亮的有封闭区域的（孔洞以外）背景区域 threshold (GrayImage, Region, 50,255) *将背景区域作为area_holes算子的输入，计算所有孔洞的面积 area_holes (Region, Area) *将面积计算结果以字符串形式显示在窗口中 disp_message (WindowHandle, 'Size of holes: ' + Area + ' pixel', 'window', 10, 10, 'black', 'true')
9.1.3 根据特征值选择区域
当我们想要提取Region时，图像处理后，往往存在几个类似的Region，此时，需要根据Region的一些特殊特征，来选择指定的Region。
求Region指定特征值：region_features(Regions : : Features : Value)
根据特征值选择区域：select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )
*清空显示窗口 dev_close_window () *读取待检测的图像 read_image (Image, 'data/crossShape') dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) *设置系统绘制的颜色 dev_set_color ('white') *将彩色图像转化为灰度图像，这是为了后面的图像二值化 rgb1_to_gray (Image, GrayImage) *创建矩形选区，选择感兴趣部分 gen_rectangle1 (Rectangle, 100, 127, 325, 490) reduce_domain (GrayImage, Rectangle, ROI) gen_image_proto (ROI, ImageCleared, 0) *进行阈值处理，提取出图中较暗的包含了孔洞的区域 threshold (ROI, Regions, 50, 255) *将其不连通的部分独立分割出来，成为一组区域 connection (Regions, ConnectedRegions) *设置系统绘制的颜色。为了标记选择的区域 dev_set_color ('yellow') *方法一 *将阈值处理的结果区域作为select_shape算子的输入，根据区域的宽度，选择出目标 select_shape (ConnectedRegions, SelectedRegions1, 'area', 'and', 1000, 99999) *方法二 *先计算面积，再选择出面积最大的目标 area_center(ConnectedRegions, Area, Row, Column) select_shape (ConnectedRegions, SelectedRegions2, 'area', 'and', max(Area), 99999) *方法三 select_shape_std (SelectedRegions1, SelectedRegion3, 'max_area', 70) dev_clear_window () dev_display (SelectedRegion3)
9.1.4 根据特征值创建区域
dev_close_window () *读取图像 read_image (Image, 'data/crossShape') get_image_size (Image, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowID) rgb1_to_gray (Image, GrayImage) *创建矩形选区，选择感兴趣部分 gen_rectangle1 (Rectangle, 100, 127, 325, 490) reduce_domain (GrayImage, Rectangle, ROI) *进行阈值处理，提取出图中较暗的包含了孔洞的区域 threshold (ROI, Regions, 50, 255) *将其不连通的部分独立分割出来，成为一组区域 connection (Regions, ConnectedRegions) select_shape_std (ConnectedRegions, SelectedRegion3, 'max_area', 70) dev_set_draw ('fill') *求出了三个区域的最大内接圆的中心和半径 inner_circle(SelectedRegion3,Row,Column,Radius) *绘制圆形 gen_circle(Circles,Row,Column,Radius) dev_set_window (WindowID) *gen_image_proto (ROI, ImageCleared, 0) *dev_display (SelectedRegion3) *绘制形状的边缘 dev_set_draw ('margin') dev_set_line_width (3) *显示内接圆形 dev_display (Image) dev_display (Circles)
dev_close_window () read_image (Image, 'data/garlic2') get_image_size (Image, Width, Height) dev_open_window (0, 0, Width/2, Height/2, 'black', WindowHandle) rgb1_to_gray (Image, GrayImage) *使阈值处理提取出了较暗的区域 threshold (GrayImage, Region, 100, 255) *将非连通区域分割成一组区域的集合 connection (Region, ConnectedRegions) *利用面积特征，将比较大快的区域分割出来 select_shape(ConnectedRegions,selectRegion,'area','and',50000,200000) *求最小外接矩形 smallest_rectangle2 (selectRegion, Row1, Column1, Phi, Length1, Length2) *根据矩形参数创建举行的轮廓 gen_rectangle2_contour_xld (Rectangle1, Row1, Column1, Phi, Length1, Length2) *显示最小外接矩形 dev_set_window (WindowHandle) dev_set_draw ('margin') dev_set_line_width (3) dev_display (Image) dev_display (Rectangle1)
inner_rectangle1：求一个区域的最大内接矩形
smallest_rectangle1：求最小外接矩形
（与smallest_rectangle2的区别：smallest_rectangle1求出的矩形永远是与图像的水平坐标轴平行的，不会发生旋转）
9.2 基于灰度值的特征
除了基于形状的特征以外，比较常用的还有基于灰度值的特征，即利用灰度信息表现区域或者图像的特征。
9.2.1 区域的灰度特征值
gray_features :计算指定区域的灰度特征值
gray_features (Operator) Name gray_features — Calculates gray value features for a set of regions. Signature gray_features(Regions, Image : : Features : Value) Description gray_features has a set of regions (Regions) as input. For each of these regions the features (Features) are calculated and returned in Value. Possble values for Features: 'area'灰度区域的面积 'row'中心点的行坐标 'column'中心点的列坐标 'ra'椭圆的长轴 'rb'椭圆的短轴 'phi'等效椭圆角度 'min'灰度的最小值 'max'灰度的最大值 'median'灰度的中值 'mean'灰度的均值 'deviation'灰度的偏差 'plane_deviation' 近似平面的偏差 'anisotropy' Anisotropy (see entropy_gray) 'entropy' Entropy (see entropy_gray) 'fuzzy_entropy' Fuzzy entropie of region (see fuzzy_entropy, with a fuzzy function from Apar=0 to Cpar=255) 'fuzzy_perimeter' Fuzzy perimeter of region (see fuzzy_perimeter, with a fuzzy function from Apar=0 to Cpar=255) 'moments_row' Mixed moments along a row (see moments_gray_plane) 'moments_column' Mixed moments along a column (see moments_gray_plane) 'alpha' Approximating plane, parameter Alpha (see moments_gray_plane) 'beta' Approximating plane, parameter Beta (see moments_gray_plane)
9.2.2 区域的最大、最小灰度值
min_max_gray(Regions,Image::percent:Min,Max,Range)
此算子用于提取 Regions 所在区域图像的最大与最小灰度值,
9.2.3 灰度的平均值和偏差
函数原型：intensity(Regions,Images:::Mean,Deviation)
功能：计算Images中Regions的均值和方差。
参数列表：
第1个参数Regions是输入对象，即被计算区域
第2个参数Images是输入变量，即灰度图像
第3个参数Mean是输出变量，即被测区域的灰度均值
第4个参数Deviation是输出变量，即被测区域的灰度方差
9.2.4 灰度区域的面积和中心
函数原型：
area_center_gray(Regions: Image: : : Area, Row, Column)
函数作用：
计算灰度图像中一个区域的面积和重心
函数原理：
该算子同area_center类似，但是它将图像的灰度值也考虑在内，所以area_center_gray的面积计算的是灰度图像的灰度容量。而它的重心是指灰度值的前两个标准矩。
参数列表：
Regions：被检测的区域
Image：灰度图像
Row：重心的行坐标
Column：重心的列坐标
可能前置项：
threshold, regiongrowing, connection
可替代项：
area_center
9.2.5 根据灰度特征值选择区域
select_gray(Regions, Image : SelectedRegions : Features, Operation, Min, Max : )
函数计算图像Image 的区域Regions内指定属性Features，
*读取输入图像 read_image (Image, 'data/village') *获取原始图像的宽和高 get_image_size (Image, Width, Height) *创建同尺寸的显示图像的窗口 dev_open_window (0, 0, Width, Height, 'white', WindowID) *将图像转化为灰度图像 rgb1_to_gray (Image, GrayImage) *使用均值滤波对灰度图像进行平滑，以去除细节杂点 median_image (GrayImage, ImageMedian, 'circle', 2, 'mirrored') *进行阈值处理，提取出较亮部分 threshold (ImageMedian, BrightRegion, 180, 255) *使用开运算使各区域分离 opening_circle (BrightRegion, RegionClosing, 6.5) *将不相连通的区域分割开来 connection (RegionClosing, BrightRestConnection) *将面积较大的区域提取出来 select_shape (BrightRestConnection, SelectedRegions1, 'area', 'and', 5000, 99999) *获取这些区域的均值和偏差。由于湖面区域灰度值比较平滑，灰度偏差会比较小 intensity (SelectedRegions1, ImageMedian, Mean, Deviation) *以灰度偏差为条件，选出符合条件的区域 select_gray (SelectedRegions1, ImageMedian, SelectedRegions, 'deviation', 'and', 4, 10) dev_clear_window () dev_display (GrayImage) dev_display (SelectedRegions)
9.3 基于图像纹理的特征
形状特征描述了图像中局部区域的几何属性。
图像的表面纹理也是重要的特征之一。
9.3.1 灰度共生矩阵
参考：灰度共生矩阵的原理及实现(特征提取)-OpenCV
https://blog.csdn.net/qq_37059483/article/details/78292869
9.3.2 创建灰度共生矩阵
9.3.3 用共生矩阵计算灰度值特征
函数原型：
cooc_feature_matrix(CoccMatrix : : : Energy, Correlation, Homogeneity, Contrast)
函数作用：
从共生矩阵中求出灰度特征值
参数列表：
CoocMatrix（in）：共生矩阵
Energy（out）：灰度能量
Correlation（out）：灰度相关性
Homogeneity（out）：灰度的局部均匀性（一致性）
Contrast（out）：灰度值对比
可能前置项：
gen_cooc_matrix
可替代项：
cooc_feature_image
9.3.4 计算共生矩阵并导出其灰度值特征
cooc_feature_image - 计算共生矩阵并导出其灰度值特征。
cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast)
cooc_feature_image的调用对应于算子gen_cooc_matrix和cooc_feature_matrix的连续执行。 如果连续评估共生矩阵的几个方向矩阵，则通过gen_cooc_matrix生成矩阵然后调用算子cooc_feature_matrix生成矩阵更为有效。 参数Direction以角度或’mean’方式传输邻域的方向。 在’mean’的情况下，平均值是在所有四个方向上计算的。
9.3.5 提取图像的纹理特征
dev_close_window () *读取输入的图片 read_image (Image, 'data/board') *将输入的彩色图像转为黑白图像 rgb1_to_gray (Image, GrayImage) get_image_size (GrayImage, Width, Height) *创建一个与输入图像同样大小的窗口 dev_open_window (0, 0, Width/4, Height/4, 'black', WindowID) *设定画笔宽度 dev_set_line_width (5) *创建两个窗口用于显示参数计算的结果 dev_open_window (0, 512, 320, 320, 'black', WindowID1) dev_open_window (512, 512, 320, 320, 'black', WindowID2) *分别设置两个矩阵，选择不同的两部分区域 gen_rectangle1 (Rectangle1, 200,10, 380, 190) gen_rectangle1 (Rectangle2, 580, 650, 730, 800) *分别对两个矩形求取灰度共生矩阵Matrix1和Matrix2 gen_cooc_matrix (Rectangle1, GrayImage, Matrix1, 6, 0) gen_cooc_matrix (Rectangle2, GrayImage, Matrix2, 6, 0) *分别对Matrix1和Matrix2提取灰度特征参数 cooc_feature_matrix (Matrix1, Energy1, Correlation1, Homogeneity1, Contrast1) cooc_feature_matrix (Matrix2, Energy2, Correlation2, Homogeneity2, Contrast2) *采取另一种方式，直接对矩阵2的图像求灰度特征参数，结果与上面两步计算出的参数是一致的 cooc_feature_image (Rectangle2, GrayImage, 6, 0, Energy3, Correlation3, Homogeneity3, Contrast3) *显示图像窗口和两个矩形的灰度共生矩阵 dev_set_window (WindowID) dev_set_draw ('margin') dev_display (GrayImage) dev_display (Rectangle1) dev_set_color('yellow') dev_display (Rectangle2) dev_set_window (WindowID1) dev_display (Matrix1) *以字符串的形式，分别在两个矩阵的对应窗口上显示灰度特征值的计算结果 String := ['Energy: ','Correlation: ','Homogeneity: ','Contrast: '] dev_set_color('red') disp_message (WindowID1, String$'-14s' + [Energy1,Correlation1,Homogeneity1,Contrast1]$'6.3f', 'window', 12, 12, 'white', 'false') dev_set_window (WindowID2) dev_display (Matrix2) dev_set_color('yellow') String := ['Energy: ','Correlation: ','Homogeneity: ','Contrast: '] disp_message (WindowID2, String$'-14s' + [Energy2,Correlation2,Homogeneity2,Contrast2]$'6.3f', 'window', 12, 12, 'white', 'false')