halcon，C# 学习

Halcon学习之一：查询图像参数

1、get_grayval ( Image : : Row, Column : Grayval )

   计算Image图像中坐标为（Row，Column）的点的灰度值Grayval。

2、get_image_pointer1 ( Image : : : Pointer, Type, Width, Height )

   计算Image图像的数据指针Pointer，图像类型Type，图像宽度Width和高度Height。Pointer指向了Image data的起点位置。

3、get_image_pointer3 ( ImageRGB : : : PointerRed, PointerGreen,

PointerBlue, Type, Width, Height )

   计算彩色图像ImageRGB的参数。

4、get_image_pointer1_rect ( Image : : : PixelPointer, Width, Height,

VerticalPitch, HorizontalBitPitch, BitsPerPixel )

   计算Image图像中定义区域的最小的长方形的区域的指针Pointer，宽度Width，高度Height，VerticalPitch代表Image的Width*(HorizontalBitPitch/8)。两个相邻象素的水平距离（以比特计算）HorizontalBitPitch，每像素的比特数BitsPerPixel。

5、get_image_time ( Image : : : MSecond, Second, Minute, Hour, Day, YDay, Month, Year )

   获取图像生成的时间。

程序：：

可以通过上述查看参数深入了解各个函数的具体意义。

[c-sharp] view plaincopyprint?

1. dev_open_window (0, 0, 512, 512, 'black', Handle1)  
2.   
3. read_image (Image, 'G:/Halcon/机器视觉/images/autobahn.png')  
4.   
5. get_grayval (Image, 12, 66, Grayval)  
6.   
7. get_image_pointer1 (Image, Pointer, Type, Width, Height)  
8.   
9. draw_region (Region1, Handle1)  
10.   
11. reduce_domain (Image, Region1, ImageReduced)  
12.   
13. get_image_pointer1_rect (ImageReduced, PixelPointer, Width1, Height1, VerticalPitch, HorizontalBitPitch, BitsPerPixel)  
14.   
15. read_image (Image1, 'G:/Halcon/机器视觉/images/claudia.png')  
16.   
17. get_image_pointer3 (Image1, PointerRed, PointerGreen, PointerBlue, Type1, Width2, Height2)  
18.   
19. get_image_time (Image, MSecond, Second, Minute, Hour, Day, YDay, Month, Year)  

注意：Image1必须是彩色图像。

Halcon学习之二：摄像头获取图像和相关参数

1、close_all_framegrabbers ( : : : )

   关闭所有图像采集设备。

2、close_framegrabber ( : : AcqHandle : )

    关闭Handle为AcqHandle的图像采集设备。

3、open_framegrabber ( : : Name, HorizontalResolution,

VerticalResolution, ImageWidth, ImageHeight, StartRow, StartColumn,

Field, BitsPerChannel, ColorSpace, Generic, ExternalTrigger,

CameraType, Device, Port, LineIn : AcqHandle )

     打开图像采集设备

参数信息：

   Name：图像采集设备的名称

   HorizontalResolution和VerticalResolution：分别指预期的图像采集接口的水平分辨率和垂直分辨率

   ImageWidth和ImageHeight：指预期图像的宽度部分和高度部分。

   StartRow和StartColumn：指显示预期图像的开始坐标

   Field：预期图像是一半的图像或者是完整图像

   BitsPerChannel：每像素比特数和图像通道

   ColorSpace：输出的色彩格式的抓住图像{gray、raw、rgb、yuv、default}

   Generic：通用参数与设备细节部分的具体意义。

   ExternalTrigger：是否有外部触发

   CameraType：使用相机的类型

   Device：图像获取设别连接到的设备

   Port：图像获取设别连接到的端口

   LineIn :相机输入的多路转接器

   AcqHandle:图像获取设备的Handle

4、grab_image ( : Image : AcqHandle : )

获取AcqHandle的图像采集设备的Image。

5、get_framegrabber_param ( : : AcqHandle, Param : Value )

查询AcqHandle的图像采集设备的特殊参数

Param∈{name、port、revision、bits_per_channel, camera_type、color_space、device、field、generic、external_trigger、grab_timeout、horizontal_resolution、image_available、image_height、image_width、line_in、start_column、start_row、volatile、vertical_resolution、continuous_grabbing、}

6、info_framegrabber ( : : Name, Query : Information, ValueList )

查询指定的图像采集接口的信息。

Name为图像采集设备的名称

Query为需要查询的参数名称

Information是指输出的文本信息

ValueList为该图像采集接口的参数值。

     Name∈{1394IIDC、ABS、BaumerFCAM、BitFlow、Crevis、uEye、DahengCAM、DahengFG、DFG-LC、DirectFile、DirectShow、dPict、DT315x、DT3162、eneo、eXcite、FALCON、FlashBusMV、FlashBusMX、GigEVision、Ginga++、GingaDG、INSPECTA、TAG、INSPECTA5、iPORT、Leutron、LinX、LuCam、MatrixVisionAcquire、MILLite、File、mEnableIII、mEnableIV、mEnableVisualApplets、MultiCam、Opteon、p3i2、p3i4、PixeLINK、PX、PXC、PXD、PXR、pylon、RangerC、RangerE、SaperaLT、Sentech、SonyXCI、SonyXCI-2、SVCam-GigE、TWAIN、VRmUsbCam}

    Query∈{defaults、general、info_boards、parameters、field、generic、parameters_readonly、parameters_writeonly、vertical_resolution、port、bits_per_channel、camera_type、color_space、device、external_trigger、field、generic、horizontal_resolution、image_height、image_width、start_row、start_column、revision}

7、grab_image_async ( : Image : AcqHandle, MaxDelay : )

获取AcqHandle的图像采集设备的Image

当调用grab_image_async 或者grab_data_async时，抓拍下一个图像就结束了。

[c-sharp] view plaincopyprint?

1. // Select a suitable image acquisition interface name AcqName   
2. open_framegrabber(AcqName,1,1,0,0,0,0,’default’,-1,’default’,-1.0,’default’,’default’,’default’,-1,-1,AcqHandle)  
3. // Grab image + start next grab   
4. grab_image_async(Image1,AcqHandle,-1.0)  
5. // Process Image1 ...   
6. // Finish asynchronous grab + start next grab   
7. grab_image_async(Image2,AcqHandle,-1.0)  
8. // Process Image2 ...   
9. close_framegrabber(AcqHandle)  

8、grab_image_start ( : : AcqHandle, MaxDelay : )

     开始抓拍 

只有当和grab_image_async or grab_data_async一起使用时，grab_image_start 才会起作用。

[c-sharp] view plaincopyprint?

1. // Select a suitable image acquisition interface name AcqName   
2. open_framegrabber(AcqName,1,1,0,0,0,0,’default’,-1,’default’,-1.0,  
3. ’default’,’default’,’default’,-1,-1,AcqHandle)  
4. grab_image(Image1,AcqHandle)  
5. // Start next grab   
6. grab_image_start(AcqHandle,-1.0)  
7. // Process Image1 ...   
8. // Finish asynchronous grab + start next grab   
9. grab_image_async(Image2,AcqHandle,-1.0)  
10. // Process Image2 ...   
11. close_framegrabber(AcqHandle）  

9、get_framegrabber_lut ( : : AcqHandle : ImageRed, ImageGreen,

ImageBlue )

    查询AcqHandle的图像采集设备的look-up table

    注意：该运算子不能支持所有的图像采集设备

10、grab_data ( : Image, Region, Contours : AcqHandle : Data )

获取AcqHandle的图像采集设备获得的Image、预处理Region和预处理XLD轮廓Contours和预处理控制数据Data。

注意：该运算子不能支持所有的图像采集设备

11、grab_data_async ( : Image, Region, Contours : AcqHandle,MaxDelay: Data )

   获取AcqHandle的图像采集设备的Image、预处理Region和预处理XLD轮廓Contours和预处理控制数据Data。（需要特殊图像采集数据）

12、set_framegrabber_lut ( : : AcqHandle, ImageRed, ImageGreen,ImageBlue : )

     设置AcqHandle的图像采集设备的look-up table

13、set_framegrabber_param ( : : AcqHandle, Param, Value : )

    设置AcqHandle的图像采集设备的特殊参数

 相关代码：

[c-sharp] view plaincopyprint?

1. close_all_framegrabbers ()  
2. open_framegrabber ('DahengCAM', 1, 1, -1, -1, 0, 0, 'default', -1, 'rgb', -1, 'false', 'default', 'default', -1, -1, AcqHandle)  
3. grab_image (Image, AcqHandle)  
4. grab_image_async (Image2, AcqHandle, -1)  
5. get_framegrabber_param (AcqHandle, 'image_width', Value)  
6. info_framegrabber ('DirectFile', 'info_boards', Information, ValueList)  

可以通过调试以上代码，并且查看相关变量的变化，更深入的了解函数的意义。

注意：在本段代码中，使用的是大恒的HV1303的工业摄像机，如果是使用一般的摄像头来采集数据的话，Name值可以设置为Direct_show。

Halcon学习之三：有关图像通道的函数

黑白摄像机会返回每个像素所对应的能量采用结果，这些结果组成了一幅单通道灰度值图像，而对于RGB彩色摄像机，它将返回每个像素所对应的三个采样结果，也就是一幅三通道图像。下面这些是与图像通道有关的函数：

1、access_channel ( MultiChannelImage : Image : Channel : )

  获取多通道图像MultiChannelImage的Channel通道的图像Image。

2、append_channel ( MultiChannelImage, Image : ImageExtended : : )

 将Image图像的通道与MultiChannelImage的通道叠加得到新图像ImageExtended。

3、channels_to_image ( Images : MultiChannelImage : : )

 将多幅单通道图像合并成一幅多通道图像

4、compose2 ( Image1, Image2 : MultiChannelImage : : )

 将两幅单通道图像合并为二通道图像。Compose3、Compose4以此类推。

5、count_channels ( MultiChannelImage : : : Channels )

计算MultiChannelImage 的通道个数Channels

6、decompose2 ( MultiChannelImage : Image1, Image2 : : )

将一幅二通道图像转换为两幅单通道图像。Decompose3、Decompose4以此类推。

7、image_to_channels ( MultiChannelImage : Images : : )

将多通道图像转换为多幅单通道图像。

相关例程为：

[c-sharp] view plaincopyprint?

1. * 输入图像  
2. read_image (Image, 'G:/Halcon/机器视觉/images/claudia.png')  
3. * 计算图像的通道数  
4. count_channels (Image, Num)  
5. * 读取每个通道的图像  
6. for index := 1 to Num by 1  
7.     access_channel (Image, channel1, index)  
8. endfor  
9. decompose3 (Image, image1, image2, image3)  
10. compose2 (image3, image2, MultiChannelImage1)  
11. append_channel (MultiChannelImage1, image3, ImageExtended)  

相关处理结果为：

Halcon学习之四：有关图像生成的函数

1、copy_image ( Image : DupImage : : )

复制image图像

2、region_to_bin ( Region : BinImage : ForegroundGray, BackgroundGray,Width, Height : )

将区域Region转换为一幅二进制图像BinImage。

ForegroundGray, BackgroundGray分别为前景色灰度值和背景色灰度值。

Width, Height为Region的宽度和高度。

3、region_to_label ( Region : ImageLabel : Type, Width, Height : )

将区域Region转换为一幅Lable图像ImageLabel。

Type为imagelabel的类型。

Width, Height为Region的宽度和高度。

4、region_to_mean ( Regions, Image : ImageMean : : )

绘制ImageMean图像，将其灰度值设置为Regions和Image的平均灰度值。

相关例子：

[c-sharp] view plaincopyprint?

1. * 读取图像  
2. read_image (Image, 'G:/Halcon/机器视觉/images/bin_switch/bin_switch_2.png')  
3. * 复制图像  
4. copy_image (Image, DupImage)  
5. * 区域生长算法  
6. regiongrowing (Image, Regions, 3, 3, 1, 100)  
7. * 生成ImageMean  
8. region_to_mean (Regions, Image, ImageMean)  
9. * 将Region转换为二进制图像  
10. region_to_bin (Regions, BinImage, 255, 0, 512, 512)  
11. * 将Region转换为Label图像  
12. region_to_label (Regions, ImageLabel, 'int4', 512, 512)  

实验结果：

 

Halcon学习之五：有关图像的定义域的函数

1、add_channels ( Regions, Image : GrayRegions : : )

将Image图像的灰度值赋给区域Regions，得到GrayRegions。

2、change_domain ( Image, NewDomain : ImageNew : : )

改变Image图像的定义域

3、full_domain ( Image : ImageFull : : )

扩张Image图像的定义域到最大。

4、get_domain ( Image : Domain : : )

得到Image图像的定义域

5、rectangle1_domain ( Image : ImageReduced : Row1, Column1, Row2,

Column2 : )

根据矩形坐标（Row1, Column1）、（Row2,Column2）得到区域视为Image图像的定义域。

6、reduce_domain ( Image, Region : ImageReduced : : )

得到图像Image相对于Region区域的图像

例程：

[c-sharp] view plaincopyprint?

1. read_image (Image, 'G:/Halcon/机器视觉/images/brycecanyon1.png')  
2. * 打开一个新的窗体  
3. dev_open_window (0, 0, -1, -1, 'black', WindowHandle)  
4. * 显示图像  
5. dev_display (Image)  
6. * 选出两个新的Region  
7. draw_region (region1, WindowHandle)  
8. draw_region (region2, WindowHandle)  
9. add_channels (region1, Image, image_region1)  
10. change_domain (Image, region2, ImageNew)  
11. full_domain (image_region1, ImageFull)  
12. rectangle1_domain (ImageFull, ImageReduced, 100, 100, 300, 500)  
13. get_domain (image_region1, Domain)  
14. reduce_domain (Image, region2, ReducedImage)  

处理效果如下图所示：

Halcon学习之六：获取Image图像中Region区域的特征参数

area_center_gray ( Regions, Image : : : Area, Row, Column )

   计算Image图像中Region区域的面积Area和重心（Row，Column）。

cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy,

Correlation, Homogeneity, Contrast )

   计算共生矩阵和推导出灰度特征值

   Direction：灰度共生矩阵计算的方向

   Energy：灰度值能量

   Correlation：灰度值的相互关系

Homogeneity：灰度值的均匀性

Contrast：灰度值的对比度

cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation,

Homogeneity, Contrast )

根据共生矩阵计算灰度特征值

elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi )

计算Image图像的Region区域的Ra，Rb和Phi。

entropy_gray ( Regions, Image : : : Entropy, Anisotropy )

Image图像中Region区域的计算熵Entropy和各向异性Anisotropy。

estimate_noise ( Image : : Method, Percent : Sigma )

从单一图像 Image中估计图像的噪声。

Sigma：加性噪声的标准偏差

Method ：估计噪声的方法

Method∈{foerstner、immerkaer、least_squares、mean}、

fit_surface_first_order ( Regions, Image : : Algorithm, Iterations,

ClippingFactor : Alpha, Beta, Gamma )

计算一阶灰度平面的灰度矩阵和灰度值的逼近参数。

Algorithm：采用的算法

Algorithm：迭代次数

ClippingFactor：消除临界值的削波系数

fit_surface_second_order ( Regions, Image : : Algorithm, Iterations,

ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta )

计算二阶灰度平面的灰度矩阵和灰度值的逼近参数。

fuzzy_entropy ( Regions, Image : : Apar, Cpar : Entropy )

确定区域Regions的模糊熵 将图像视为模糊集合

Apar为模糊区域的起始点

Cpar为模糊区域的结束点

Entropy为Regions的模糊熵

fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter )

计算Region区域的模糊周长

gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : )

生成Image图像Region区域的共生矩阵

gray_histo ( Regions, Image : : : AbsoluteHisto, RelativeHisto )

获取Image图像Region区域的灰度相对直方图RelativeHisto和绝对直方图AbsoluteHisto。

注意：Region区域必须先计算过它的直方图。

gray_histo_abs ( Regions, Image : : Quantization : AbsoluteHisto )

获取Image图像Region区域的灰度绝对直方图AbsoluteHisto。

Quantization：灰度值的量化、

gray_projections ( Region, Image : : Mode : HorProjection,

VertProjection )

计算Region区域在水平方向和垂直方向的灰度值投影。

histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : )

计算二通道灰度图像的直方图

intensity ( Regions, Image : : : Mean, Deviation )

计算region区域的灰度平均值和偏差

min_max_gray ( Regions, Image : : Percent : Min, Max, Range )

计算Region区域的最大最小灰度值。

Range：最大灰度值和最小灰度值之间的差距

moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta,

Mean )

计算平面的灰度矩阵和灰度值的逼近参数。

plane_deviation ( Regions, Image : : : Deviation )

逼近的图象平面计算灰度值偏差

select_gray ( Regions, Image : SelectedRegions : Features, Operation,

Min, Max : )

根据灰度值选择区域

Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、beta}

Operation∈{and、or}

shape_histo_all ( Region, Image : : Feature : AbsoluteHisto,

RelativeHisto )

shape_histo_point ( Region, Image : : Feature, Row,

Column : AbsoluteHisto, RelativeHisto )

获取阈值特征直方图

Feature∈{connected_components、convexity、compactness、anisometry、holes}

 程序：

[c-sharp] view plaincopyprint?

1. read_image (Image, 'G:/Halcon/机器视觉/images/bin_switch/bin_switch_3.png')  
2. regiongrowing (Image, Regions, 3, 3, 1, 500)  
3. area_center_gray (Regions, Image, Area, Row, Column)  
4. cooc_feature_image (Regions, Image, 6, 0, Energy, Correlation, Homogeneity, Contrast)  
5. elliptic_axis_gray (Regions, Image, Ra, Rb, Phi)  
6. entropy_gray (Regions, Image, Entropy, Anisotropy)  
7. estimate_noise (Image, 'mean', 20, Sigma)  
8. fit_surface_first_order (Regions, Image, 'regression', 5, 2, Alpha, Beta, Gamma)  
9. fit_surface_second_order (Regions, Image, 'regression', 5, 2, Alpha1, Beta1, Gamma1, Delta, Epsilon, Zeta)  
10. fuzzy_entropy (Regions, Image, 0, 255, Entropy1)  
11. fuzzy_perimeter (Regions, Image, 0, 255, Perimeter)  
12. gen_cooc_matrix (Regions, Image, Matrix, 6, 0)  
13. dev_set_paint ('histogram')  
14. gray_projections (Regions, Image, 'simple', HorProjection, VertProjection)  
15. histo_2dim (Regions, Image, Image, Histo2Dim)  

运行结果：

Halcon学习之七：改变图像的现实方式和大小

change_format ( Image : ImagePart : Width, Height : )

改变Image图像大小,而且ImagePart图像为灰度值图像。

crop_domain ( Image : ImagePart : : ) 

从Image图像中裁剪一个矩形区域。这个矩形的周长最小。

crop_domain_rel ( Image : ImagePart : Top, Left, Bottom, Right : )

删除相关区域，Top为顶端裁剪的行数，Left，Bottom，Right类似。

crop_part ( Image : ImagePart : Row, Column, Width, Height : )

删除一个矩形图像区域。Row为右上角的列标索引。Width, Height为新图像ImagePart的宽度和高度。

crop_rectangle1 ( Image : ImagePart : Row1, Column1, Row2,

Column2 : )

删除一个矩形图像区域。

tile_channels ( Image : TiledImage : NumColumns, TileOrder : )

将多通道图像平铺为一幅大的单通道图像。NumColumns为平铺的列数。TileOrder为平铺的方式。

tile_images ( Images : TiledImage : NumColumns, TileOrder : )

将多通道平铺。

程序：

[c-sharp] view plaincopyprint?

1. read_image (Image, 'G:/Halcon/机器视觉/images/brycecanyon1.png')  
2. get_image_pointer1 (Image, Pointer, Type, Width, Height)  
3. change_format (Image, ImagePart, Width/2, Height/2)  
4. crop_domain (Image, ImagePart1)  
5. crop_domain_rel (ImagePart1, ImagePart2, -20, -20, -1, -1)  
6. crop_part (ImagePart2, ImagePart3, 100, 100, Width, Height)  
7. crop_rectangle1 (ImagePart3, ImagePart4, 100, 100, 200, 200)  
8. tile_channels (Image, TiledImage, 2, 'horizontal')  
9. tile_images (Image, TiledImage1, 1, 'vertical')  
10. tile_images_offset (Image, TiledImage2, 0, 0, 50, 50, -1, -1, Width, Height)  

处理效果：

Halcon学习之八：图像区域叠加与绘制

overpaint_gray ( ImageDestination, ImageSource : : : )

将灰度值不相同区域用不同颜色绘制到ImageDestination中， ImageSource包含希望的灰度值图像

overpaint_region ( Image, Region : : Grayval, Type : )

将Region以一个恒定的灰度值绘制到Image图像中

paint_gray ( ImageSource, ImageDestination : MixedImage : : )

将ImageSource的图像绘制到ImageDestination中，形成MixedImage。

paint_region ( Region, Image : ImageResult : Grayval, Type : )

将Region以一个恒定的灰度值绘制到Image图像中

paint_xld ( XLD, Image : ImageResult : Grayval : )

将XLD以一个恒定的灰度值绘制到Image图像中

set_grayval ( Image : : Row, Column, Grayval : )

设置Image图像中坐标为（Row，Column）的灰度值

程序：

[c-sharp] view plaincopyprint?

1. read_image (Image, 'G:/Halcon/images/images/claudia.png')  
2. gen_circle (Circle, 200, 200, 100.5)  
3. reduce_domain (Image, Circle, ImageReduced)  
4. gen_image_proto (Image, ImageCleared, 32)  
5. overpaint_gray (ImageCleared, ImageReduced)  
6. gen_image_const (Image1, 'byte', 512, 512)  
7. overpaint_region (Image1, Circle, 255, 'fill')  
8. *   
9. read_image (Image2, 'G:/Halcon/images/images/brycecanyon1.png')  
10. paint_gray (ImageReduced, Image2, MixedImage)  
11. *   
12. read_image (Image3, 'G:/Halcon/images/images/pads.png')  
13. gen_rectangle1 (Rectangle1, 30, 20, 100, 200)  
14. paint_region (Rectangle1, Image3, ImageResult, 255, 'fill')  
15. *   
16. *   
17. copy_image (Image2, image0)  
18. copy_image (Image2, image1)  
19. compose3 (image0, Image2, image1, MultiChannelImage)  
20. *   
21. threshold_sub_pix (MultiChannelImage, Border, 128)  
22. *   
23. circle := Border[14]  
24. arrow := Border[16]  
25. ObjectsConcat := [circle,arrow]  
26. *   
27. paint_xld (ObjectsConcat, MultiChannelImage, ImageResult1, [0,1,0,1,1,255])  

处理效果：