QQ登录

只需一步,快速开始

1.1 halcon上位机图像测量的原理与算法流程

[ 复制链接 ]
测量是我们在图像处理中经常遇到的需求,图像测量常见的有一维测量,二维测量,三维测量。
图像测量一般得到的是像素或都亚像素值,我们如果 要得到物体的具体尺寸,
就要对尺寸进行标定,也就是要知道每个像素对应的实际物理尺寸。
那么图像 测量这种类型的项目在实际开发中应该如何 考虑?
算法流程 是什么?
解决方案应该如何 实现?

当前帖子我们给大家介绍如何 进行图像 的一维二维测量,
我们可以自己源码写,也可以直接 调用库API实现,库常见有HALCON,OPENCV.
HALCON是业界公认的视觉算法库,我们用halcon实现图像 测量,最直接方便,
halcon提供了一个很好的测量助手,这个测量助手 可以很好的帮助我们进行图像 测量的编程等等。
我们首先了解下应该如何 设计 方案,其算法流程如何。

图像 测量属于图像 处理中一个比较重要的领域,
图像 测量实际上就是对摄像 机采集到的图像或磁盘的图像进行边缘轮廓提取,
然后对提取的轮廓进行拟合 ,
得到直线或者贺等几何特征,再里进行几何特征的距离度量。
这种距离度量有多种定义,要根据自己的需求去定义,
可以采用欧式距离 ,
也可以采用棋盘距离 等,
从而 求得点到直线的距离 ,
直线到直线的距离 ,
圆到直线的距离 ,
圆到圆的距离 等。
这里得到的距离 都是像素 距离 或亚像素距离,亚像素 其实就是像素 的进一步细分。

实际项目需要的一般是实际距离,如毫米,米之类的单位,也就是要进行像素到实际物理尺寸的比例转换。
通俗来说就是我们实际距离 假设1毫米,通过 光学系统成像后,在图像 上的像素距离是多少像素 。比如是100个像素,
那么这个时候 我们用1毫米除以100,得到的结果是0.01就代表在这个物距下,光学系统成像后的一个像素 代表的实际 篁 尺寸是0.01毫米。
这样也就达到 了视觉二维 一维的测量功能 。
而测量精度在这里是关键,这个测量精度 取决于很多方面,包括光学成像时的像差,比如 畸变,光照强弱变化,
图像 的噪声对目标边缘提取的影响,边缘提取和拟合 时的误差都会导致测量精度 的降低。
所以在实际项目中应该对每个环节进行最大程度的优化,让误差达到最小,
而这个误差优化过程是需要 很多经验以及对原理 的深入理解。
我们常规的在提取边缘和拟合 时一定要减少误差,可以采用亚像素 精度,
拟合 时也可以采用恰当的拟合 算法,可以采用最小二乘法等。一般图像 测量思路 及算法 流程如下:
1.采集图像(实时或者外触发)
2.图像 预处理去噪声(采用滤波器)
3.图像 分割(将目标与背景分割)
4.进行直线或曲线拟合(用于求解距离)
5.连线提取(像素 或亚像素)、
6.区域定位(在该区域内进行测量)
7.求解拟合 直线或曲线 间的像素 距离 (欧式还是其般距离等)
8.像素 距离 到实际 距离 的转换(根据之前的标定结果)
9.显示测量结果


下一帖子讲解 halcon测量助手 的实际使用
回复

使用道具 举报

快速回复 返回列表 客服中心 搜索