当前位置: 首页 > news >正文

Halcon中histo_2dim(Operator)算子原理及应用详解

在Halcon中,histo_2dim算子是一个用于计算双通道灰度值图像的直方图的工具。以下是对该算子的原理及应用的详细解释:
一、原理

histo_2dim算子的函数原型为:histo_2dim(Regions, ImageCol, ImageRow : Histo2Dim : : )

输入参数:Regions:输入区域,在此区域内计算直方图。这些区域通常是从图像中分割出来的一部分或多部分,即感兴趣区域(ROI,Regions Of Interest)。ImageCol:多通道图像的第一个通道,其数据将被用于计算直方图的第一维。ImageRow:多通道图像的第二个通道,其数据将被用于计算直方图的第二维。输出参数:Histo2Dim:计算得出的二维直方图。输出是一个整数类型的图像,其中的每个像素值代表了对应灰度级组合出现的频率。

具体来说,histo_2dim算子计算的是输入区域Regions内,由ImageCol和ImageRow两个通道构成的二维特征空间的直方图。在这个二维特征空间中,ImageCol的灰度值被解释为行索引,ImageRow的灰度值被解释为列索引。输出图像Histo2Dim中的每个点P(g1,g2)的灰度值表示(g1,g2)灰度值组合的频率,其中g1表示行索引,g2表示列索引。

二、应用

histo_2dim算子在图像处理领域有着广泛的应用,特别是在图像分割和特征提取方面。以下是一个具体的应用示例:

读取图像:使用read_image算子读取一幅彩色图像。
分解图像:使用decompose3算子将彩色图像分解为红、绿、蓝三个单通道图像。
绘制感兴趣区域:在图像上绘制一个感兴趣区域(ROI)。
计算二维直方图:使用histo_2dim算子计算ROI区域内,以红色通道为ImageCol,以蓝色通道为ImageRow的二维直方图。
后续处理:根据计算得到的二维直方图,可以进行进一步的图像分割、特征提取等处理。例如,可以使用class_2dim_sup算子根据二维特征空间对图像进行分割。

三、注意事项

1、在使用histo_2dim算子时,需要确保输入图像的两个通道具有相同的尺寸和数据类型。
2、输出的二维直方图图像的大小取决于输入图像的灰度级范围。例如,对于byte类型的图像,输出图像的宽高通常为256。
3、在进行图像分割等后续处理时,需要根据具体的应用场景选择合适的参数和算法。

综上所述,histo_2dim算子是Halcon中一个非常有用的工具,它可以帮助我们计算双通道灰度值图像的直方图,进而进行图像分割和特征提取等处理。

四、使用示例

Interactive := 1
read_image (Image, 'ic')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'white', WindowID)
* Convert a three-channel image into three images
decompose3 (Image, Red, Green, Blue)
dev_display (Red)
dev_set_color ('red')
if (Interactive)draw_region (Pattern, WindowID)
elsegen_rectangle1 (Pattern, 362, 276, 371, 298)
endif
* Calculate the histogram of two-channel gray value images
histo_2dim (Pattern, Red, Blue, Histo2Dim)
threshold (Histo2Dim, Features, 1, 255)
* Close a region with a circular structuring element
closing_circle (Features, FeaturesClosed, 11.5)
dev_set_draw ('fill')
dev_set_part (0, 0, 511, 511)
dev_display (Red)
class_2dim_sup (Red, Blue, FeaturesClosed, RegionClass2Dim)
closing_rectangle1 (RegionClass2Dim, RegionClosing, 11, 11)
connection (RegionClosing, ConnectedRegions)
smallest_rectangle2 (ConnectedRegions, Row, Column, Phi, Length1, Length2)
gen_rectangle2 (Rectangles, Row, Column, Phi, Length1, Length2)
dev_display (Image)
dev_display (Rectangles)

在这里插入图片描述在这里插入图片描述

http://www.lryc.cn/news/508212.html

相关文章:

  • TCP 与 UDP
  • ubuntu 安装更新 ollama新版本
  • Numpy基本操作
  • 本地部署webrtc应用怎么把http协议改成https协议?
  • 基于xiaothink对Wanyv-50M模型进行c-eval评估
  • 使用k6进行kafka负载测试
  • Unity A*算法实现+演示
  • 浏览器要求用户确认 Cookies Privacy(隐私相关内容)是基于隐私法规的要求,VUE 实现,html 代码
  • 如何设计高效的商品系统并提升扩展性:从架构到实践的全方位探索
  • 使用计算机创建一个虚拟世界
  • datasets笔记:两种数据集对象
  • 【ETCD】【Linearizable Read OR Serializable Read】ETCD 数据读取:强一致性 vs 高性能,选择最适合的读取模式
  • 【CSS in Depth 2 精译_089】15.2:CSS 过渡特效中的定时函数
  • 不常用命令指南
  • spring mvc | servlet :serviceImpl无法自动装配 UserMapper
  • STM32 HAL库之串口接收不定长字符
  • Pyqt6的tableWidget填充数据
  • ASP.NET Core - 依赖注入 自动批量注入
  • UVM 验证方法学之interface学习系列文章(十一)virtual interface 再续篇
  • 面试题整理5----进程、线程、协程区别及僵尸进程处理
  • OpenTK 中帧缓存的深度解析与应用实践
  • 第2节-Test Case如何调用Object Repository中的请求并关联参数
  • 【HarmonyOS NEXT】Web 组件的基础用法以及 H5 侧与原生侧的双向数据通讯
  • Android学习(六)-Kotlin编程语言-数据类与单例类
  • CV-OCR经典论文解读|An Empirical Study of Scaling Law for OCR/OCR 缩放定律的实证研究
  • 力扣274. H 指数
  • 挑战一个月基本掌握C++(第五天)了解运算符,循环,判断
  • Python的sklearn中的RandomForestRegressor使用详解
  • ReactPress 1.6.0:重塑博客体验,引领内容创新
  • 人脸生成3d模型 Era3D