提取线条的lines_color、lines_facet、 lines_gauss算子

Halcon中线条提取的算子主要有:

lines_color(Image : Lines : Sigma, Low, High, ExtractWidth, CompleteJunctions : )

lines_facet(Image : Lines : MaskSize, Low, High, LightDark : )

lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : )

其中lines_facet、 lines_gauss又可以归为同一类(从帮助文档的算子签名Signature可知这一点)。

 

一、线条提取和边缘提取的区别

上面三个线条提取的算子,输出的是一堆XLD;而 edges_sub_pix 这种边缘提取算子,得到的也是一堆XLD。那么它们有什么区别呢?

举个例子说明:

image.png

 read_image (Image, 'angio-part')
 count_channels (Image, Channels)
 if (Channels == 3 or Channels == 4)
     rgb1_to_gray (Image, Image)
 endif
 
 lines_gauss (Image, Lines, 2.3, 0.0, 0.7, 'dark', 'true', 'parabolic', 'true') 8 edges_sub_pix (Image, Edges, 'canny', 1, 5, 10) 9 dev_set_color ('green')
 dev_display (Image)
 dev_display (Lines)

lines_gauss和edges_sub_pix 输出的XLD的区别对比如下:

image.png

相信大家已经看出了两者的区别了。

 

图像的“边缘”指的是:图像中灰度有明显跳变的地方。如果在图中画一条“有一定宽度的线”,那么线的两侧应该都可以提取到边缘。

而线条提取的算子(例如lines_gauss)提取的是这条“有一定宽度的线”的“骨架线”,它一般只有一根。

 

为什么我想写一篇文章单独讲“线条提取”呢?主要因为跟我目前工作遇到的困难有关。

公司目前在用传统算法 + 深度学习做复杂缺陷检测。如果用Halcon做缺陷检测的话,用到的无非是形态学分析、频域处理、特征筛选等等,但是对于不太明显或者难以定位分割的缺陷,Halcon就束手无策了。但是深度学习在这方面有独特的优势,它可以通过标注大量的缺陷形态,不断训练学习,从而获得对复杂缺陷的识别定位能力。

 

但是对于“较浅且大批量出现的划痕”这种缺陷类型,深度学习也束手无策,因为它很难去逐个标注这些缺陷——一方面标注工作量太大,一方面很难准确地标注

 

划痕,其实就是一种线条,用Halcon提供的线条提取算子,可以很轻松找出这些划痕(或线条)。

 

 

二、lines_color

 

算子描述为:检测有色的线条及其宽度。

lines_color(Image : Lines : Sigma, Low, High, ExtractWidth, CompleteJunctions : )

 

该算子从输入图像Image中提取彩色线条,并将提取的线条以亚像素XLD轮廓的形式返回Lines。

 

 

Sigma——要应用的高斯平滑量。

Low——磁滞阈值操作的下限阈值。

High——磁滞阈值操作的上限阈值。

ExtractWidth——应该提取线宽吗?(一般选择‘true’)

CompleteJunctions——是否应该在无法提取的地方添加连接点?

 

 

注意:

如果使用较大的平滑量(Sigma),应相应地为“High”和“Low”选择较小的值。

一般来说,特别是在需要提取线条宽度的时候,参数Sigma的选择应该满足Sigma >= w/1.732(w代表图像中线条的宽度(线条直径的一半)),最小允许值是Sigma >= w/2.5。例如,对于一个宽度为4个像素(直径为8个像素)的线条来说,Sigma >= 2.3是合适的参数。(4/1.732 = 2.3)

 

下面研究一下CompleteJunctions参数的意思。它可取的值有true或者false。该参数的意思为:是否应该在无法提取的地方添加连接点?

那它到底有什么作用呢?举例说明:

image.png

read_image (Image, 'cable1')
lines_color (Image, Lines1, 3.5, 0, 12, 'true', 'false')
lines_color (Image, Lines2, 3.5, 0, 12, 'true', 'true')
 
dev_set_color ('green')
dev_clear_window ()
dev_display (Lines1)
dev_clear_window ()
dev_display (Lines2)

image.png

意思很明显了,当CompleteJunctions = 'true'时,会在无法提取的地方添加连接点,这样某些XLD可能会连起来。参考官方示例程序:lines_color.hdev。

 

 

三、lines_facet

 

算子描述为:使用小平面模型检测线条。

lines_facet(Image : Lines : MaskSize, Low, High, LightDark : )

 

下面的观点提炼自帮助文档:

① 参数LightDark确定是提取亮线还是暗线。

② MaskSize的值越大,图像的平滑度就越大,但可能会导致线条的局部化程度更差;MaskSize的值越小,提取的线条越短,碎片越多,但这可能会导致相当长的执行时间。

③ 关于取值,当Sigma=1.5时,此时大致对应于MaskSize 的值为5。

 

但是,这个算子我们一般不用。因为如何给MaskSize、Low、High取合适的值确实是一门技术活,不好掌握,更重要的lines_gauss算子完全可以替代它,并且更易掌握。OK,忘记lines_facet吧。

 

 

四、lines_gauss

 

算子描述为:检测线及其宽度。

lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : )

 

这里多了一个参数LineModel(其他参数前面都说过)。

 

LineModel:提取线条的模式,有'none',  'bar-shaped',  'parabolic',  'gaussian' 四种。含义如下:

image.png

对大多数应用来说,LineModel的'bar-shaped'参数是正确的选择,'parabolic'参数常用来提取边缘比较锐利的线条(比如背光照明的图像中的线条),'gaussian'则在线条边缘不那么锐利的时候使用。参数LineModel仅在参数ExtractWidth被设置为'true'时才有意义。

 

上图中,可以看出'parabolic'图示中,箭头指向的过渡处过渡陡峭(适合提取锐利的线条)。而'gaussian'图示中,箭头指向的过渡处过渡平滑(适合提取边缘平滑的线条)。

 

其实lines_gauss算子的参数是最多的,因此参数如何正确取值一点都不简单。但是很明显,官方偏爱lines_gauss这个算子,它们开发了calculate_lines_gauss_parameters算子。

 

calculate_lines_gauss_parameters( : : MaxLineWidth, Contrast : Sigma, Low, High)

算子描述为:根据要提取的线条的最大宽度和对比度计算lines_gauss的参数Sigma、Low和High。

 

MaxLineWidth定义要使用lines_gauss提取的线条的最大宽度。

Contrast参数应设置为要提取的典型线条的灰度值对比度。在任何情况下都将提取具有较高对比度的所有线条。

Contrast参数可以设为具有两个值的元组(例如[60, 10]),第二个值定义为要提取的线的最小对比度。

第二个值不能大于第一个值。如果只给出一个值,则最小对比度默认为对比度/3.0。

最小对比度的值越小,线条越长,线条延伸到对比度低的区域;值越高,线条越短,但线条越突出。

 

还是以前面的图为例:

read_image (Image, 'angio-part')
count_channels (Image, Channels)
if (Channels == 3 or Channels == 4)
    rgb1_to_gray (Image, Image)
 endif

calculate_lines_gauss_parameters (8, [10,4], Sigma, Low, High)
lines_gauss (Image, Lines, Sigma, Low, High, 'dark', 'true', 'parabolic', 'true')

 dev_set_color ('green')
 dev_display (Image)
dev_display (Lines)

image.png

由前文可知,对于线条提取,我们只需要掌握lines_colorlines_gauss这两个算子即可。


本文出自勇哥的网站《少有人走的路》wwww.skcircle.com,转载请注明出处!讨论可扫码加群:

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

会员中心
搜索
«    2024年3月    »
123
45678910
11121314151617
18192021222324
25262728293031
网站分类
标签列表
最新留言
    热门文章 | 热评文章 | 随机文章
文章归档
友情链接
  • 订阅本站的 RSS 2.0 新闻聚合
  • 扫描加本站机器视觉QQ群,验证答案为:halcon勇哥的机器视觉
  • 点击查阅微信群二维码
  • 扫描加勇哥的非标自动化群,验证答案:C#/C++/VB勇哥的非标自动化群
  • 扫描加站长微信:站长微信:abc496103864
  • 扫描加站长QQ:
  • 扫描赞赏本站:
  • 留言板:

Powered By Z-BlogPHP 1.7.2

Copyright Your skcircle.com Rights Reserved.

鄂ICP备18008319号


站长QQ:496103864 微信:abc496103864