機器視覺系統(tǒng)編程與開發(fā)<Halcon版>《HALCON機器視覺系統(tǒng)編程基礎(chǔ)》項目7形態(tài)學(xué)處理【知識目標】1．熟悉數(shù)學(xué)形態(tài)學(xué)的基本概念；2．掌握腐蝕、膨脹處理圖像的原理；3．掌握用開、閉運算處理圖像的原理【能力目標】1．會使用腐蝕、膨脹處理圖像；2．會使用開、閉運算處理圖像。1．利用網(wǎng)絡(luò)資源搜集資料能力；2．制定職業(yè)養(yǎng)成計劃，按照企業(yè)的工作模式開展學(xué)習(xí)。【素養(yǎng)目標】項目導(dǎo)讀

數(shù)學(xué)形態(tài)學(xué)（Mathematicalmorphology）是一門建立在格論和拓撲學(xué)基礎(chǔ)之上的圖像分析學(xué)科，是數(shù)學(xué)形態(tài)學(xué)圖像處理的基本理論。其基本的運算包括：二值腐蝕和膨脹、二值開運算和閉運算、擊中擊不中變換、形態(tài)學(xué)梯度等。形態(tài)學(xué)是圖像處理中應(yīng)用最為廣泛的技術(shù)之一，主要用于從圖像中提取對表達和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識別工作能夠抓住目標對象最為本質(zhì)的形狀特征，如邊界和連通區(qū)域等。同時像細化、像素化和修剪毛刺等技術(shù)也常應(yīng)用于圖像的預(yù)處理和后處理中，成為圖像增強技術(shù)的有力補充。形態(tài)學(xué)的基本思想是利用一種特殊的結(jié)構(gòu)元素去探索圖像中對應(yīng)的形狀，以達到對測量或提取輸入圖像中相應(yīng)的形狀或特征進行分析和識別的目的。即按照集合運算“交”和“并”的規(guī)則，將結(jié)構(gòu)元素填放到圖像中，對圖像進行處理的方法。結(jié)構(gòu)元素形狀的構(gòu)造將直接影響圖像分析處理的結(jié)果。根計顆粒數(shù)量威化餅外觀質(zhì)量檢測任務(wù)2任務(wù)1統(tǒng)計顆粒數(shù)量任務(wù)12課時【任務(wù)要求】

顆粒圖像如圖所示，利用形態(tài)學(xué)處理統(tǒng)計顆粒數(shù)量【知識鏈接】

在經(jīng)閾值處理提取出目標區(qū)域的二值圖像之后，區(qū)域邊緣可能并不理想，這時可以使用腐蝕或膨脹操作對區(qū)域進行“收縮”或“擴張”。腐蝕和膨脹是兩種最基本也是最重要的形態(tài)學(xué)運算，它們是很多高級形態(tài)學(xué)處理的基礎(chǔ)，很多形態(tài)學(xué)算法都是由這兩種基本運算復(fù)合而成。1、結(jié)構(gòu)元素

結(jié)構(gòu)元素在算子參數(shù)中的名稱為StructElement，在腐蝕與膨脹操作中都需要用到。結(jié)構(gòu)元素是類似于“濾波核”的元素，或者說類似于一個“小窗”，在原圖上進行從上向下，從左向右“滑動”，求結(jié)構(gòu)元素與原圖的交集，結(jié)構(gòu)元素可以指定形狀和大小，其原點相當(dāng)于“小窗”的中心，其尺寸大小在進行腐蝕或者膨脹處理時根據(jù)需要設(shè)定，結(jié)構(gòu)元素的尺寸也決定著腐蝕或者膨脹的程度。結(jié)構(gòu)元素越大，被腐蝕消失或者被膨脹增加的區(qū)域也會越大。結(jié)構(gòu)元素的形狀可以根據(jù)操作的需求進行創(chuàng)建，可以是圓形、矩形、橢圓形，甚至是指定的多邊形等?？梢酝ㄟ^gen_circle、gen_rectanglel，gen_ellipse，gen_region_polygon等算子創(chuàng)建需要的形狀并設(shè)定尺寸，一般在腐蝕或者膨脹算子中直接設(shè)定。2．腐蝕

腐蝕操作是對所選區(qū)域進行“收縮”的一種操作，可以用于消除邊緣和雜點。腐蝕區(qū)域的大小與結(jié)構(gòu)元素的大小和形狀相關(guān)。其原理是使用一個自定義的結(jié)構(gòu)元素，如矩形、圓形等，在二值圖像上進行類似于“濾波”的滑動操作，然后將二值圖像對應(yīng)的像素點與結(jié)構(gòu)元素的像素進行對比，得到的交集即為腐蝕后的圖像像素。經(jīng)過腐蝕操作，圖像區(qū)域的邊緣可能會變得平滑，區(qū)域的像素將會減少，相連的部分可能會斷開，但各部分仍然屬于同一個區(qū)域。常用的腐蝕算子有：erosion_circle算子和erosion_rectangle1算子。算子釋義：erosion_rectangle1—Erodearegionwitharectangularstructuringelement.格式：erosion_rectangle1(Region:RegionErosion:Width,Height:

)參數(shù)：Region

--輸入?yún)^(qū)域；RegionErosion--腐蝕后的結(jié)果；Width,Height

--矩形結(jié)構(gòu)元素的尺寸。作用：用長為Width，寬為Height的矩形結(jié)構(gòu)元素對區(qū)域Region進行腐蝕處理。例：erosion_rectangle1(Region,RegionErosion,35,35)表示：用35×35的矩形對區(qū)域Region進行腐蝕操作，處理結(jié)果放在變量RegionErosion中。算子釋義：erosion_circle—Erodearegionwithacircularstructuringelement.格式：erosion_circle(Region:RegionErosion:Radius:

)參數(shù)：Region--輸入?yún)^(qū)域；RegionErosion--腐蝕后的結(jié)果；Radius--圓形結(jié)構(gòu)元素的半徑，一般為奇數(shù)。作用：用半徑為Radius的圓形結(jié)構(gòu)元素對區(qū)域Region進行腐蝕處理。例：erosion_circle(Region,RegionErosion,23)表示：用半徑為23的圓形結(jié)構(gòu)算子對區(qū)域Region進行腐蝕操作，處理結(jié)果放在變量RegionErosion中。3．膨脹

與腐蝕相反,膨脹是對選區(qū)進行“擴大”的一種操作。其原理是使用一個自定義的結(jié)構(gòu)元素，在待處理的圖像上進行類似于“濾波”的滑動操作，然后將二值圖像對應(yīng)的像素點與結(jié)構(gòu)元素的像素進行對比，得到的并集為膨脹后的圖像像素。經(jīng)過膨脹操作，圖像區(qū)域的邊緣可能會變得平滑，區(qū)域的像素將會增加，不相連的部分可能會連接起來，這些都與腐蝕操作正好相反。即使如此，原本不相連的區(qū)域仍然屬于各自的區(qū)域，不會因為像素重疊就發(fā)生合并。Halcon軟件中有許多與膨脹操作相關(guān)的算子，比較常用的有dilation_circle算子和dilation_rectanglel算子，它們分別使用圓形與矩形結(jié)構(gòu)元素對輸入?yún)^(qū)域進行膨脹操作。算子釋義：dilation_rectangle1—Openaregionwitharectangularstructuringelement.格式：dilation_rectangle1(Region

:

RegionDilation

:

Width,

Height

:)參數(shù)：Region

--輸入?yún)^(qū)域；RegionDilation

--膨脹后的結(jié)果；Width,

Height--矩形結(jié)構(gòu)元素的長和寬。作用：用長為Width，寬為Height的矩形結(jié)構(gòu)元素對區(qū)域Region進行膨脹處理。例：dilation_rectangle1(Region,RegionDilation,11,11)表示：對圖像變量Region中的區(qū)域進行膨脹操作，結(jié)構(gòu)元素為矩形，長為11，寬為11，膨脹后的區(qū)域放入圖像變量RegionDilation中。算子釋義：dilation_circle—Dilatearegionwithacircularstructuringelement.格式：dilation_circle(Region:RegionDilation

:Radius:)參數(shù)：Region

--輸入?yún)^(qū)域；RegionDilation

--開運算后的結(jié)果；Radius--圓形結(jié)構(gòu)元素的半徑，一般為奇數(shù)。作用：用半徑為Radius的圓形結(jié)構(gòu)元素對區(qū)域Region進行膨脹處理。例：dilation_circle(Region,RegionDilation,3.5)表示：對圖像變量Region中的區(qū)域進行膨脹操作，結(jié)構(gòu)元素為圓形，半徑為3.5，膨脹后的區(qū)域放入圖像變量RegionDilation中?！救蝿?wù)實施】1．讀取圖像并初始化*

讀取圖像read_image

(Image,

'pellets')

*關(guān)閉窗口

dev_close_window

()

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*打開新窗口，與圖像尺寸一致

dev_open_window

(0,

0,

Width,

Height,

'black',

WindowID)

*設(shè)定顯示字體

set_display_font

(WindowID,

16,

'mono',

'true',

'false')

*設(shè)定顯示顏色

dev_set_colored

(6)

*設(shè)定顯示模式

dev_set_draw

('margin')

*設(shè)定顯示線寬

dev_set_line_width

(3)

*顯示圖像，如圖7-2所示dev_display

(Image)

stop

()

2．圖像處理*

二值化閾值分割，如圖7-3所示binary_threshold

(Image,

LightRegion,

'max_separability',

'light',

UsedThreshold)

*腐蝕處理，選擇合適的結(jié)構(gòu)圓半徑，使各個顆粒分離，便于統(tǒng)計數(shù)量，如圖7-4所示erosion_circle

(LightRegion,

RegionErosion,

7.5)

*連通域處理，打斷操作，如圖7-5所示connection

(RegionErosion,

ConnectedRegions)

*計算顆粒區(qū)域數(shù)量

count_obj

(ConnectedRegions,

Number)

*

膨脹處理，選擇與腐蝕一樣的半徑，便于顯示顆粒形狀，如圖7-6所示

dilation_circle

(ConnectedRegions,

RegionDilation,

7.5)

3．顯示結(jié)果*顯示原圖

dev_display

(Image)

*顯示顆粒區(qū)域

dev_display

(RegionDilation)

*顯示統(tǒng)計結(jié)果，如圖7-7所示disp_message

(WindowID,

'共有

'+Number

+

’

個顆粒',

'window',

12,

220,

'black',

'true')

下一任務(wù)介紹：威化餅外觀質(zhì)量檢測。威化餅外觀質(zhì)量檢測任務(wù)22課時【任務(wù)要求】一組威化餅圖像如圖所示，利用形態(tài)學(xué)處理檢測每張威化餅外觀質(zhì)量?！局R鏈接】

腐蝕與膨脹是形態(tài)學(xué)運算的基礎(chǔ)，在實際檢測的過程中，常常需要組合運用腐蝕與膨脹對圖像進行處理。開運算與閉運算組合使用這兩種操作，在保留圖像主體部分的同時，處理圖像中出現(xiàn)的各種雜點、空洞、小的間隙、毛糙的邊緣等。合理地運用開運算與閉運算，能簡化操作步驟，有效地優(yōu)化目標區(qū)域,使提取出的范圍更為理想。1．開運算

開運算的計算步驟是先腐蝕，后膨脹。通過腐蝕運算能去除小的非關(guān)健

區(qū)域，也可以把離得很近的元素分隔開，再通過膨脹填補過度腐蝕留下的空隙。算子釋義：opening_rectangle1—Openaregionwitharectangularstructuringelement.格式：opening_rectangle1(Region:Regionopeningn:Width,Height:

)參數(shù)：Region

--輸入?yún)^(qū)域；Regionopening--腐蝕后的結(jié)果；Width,Height

--矩形結(jié)構(gòu)元素的尺寸。作用：用長為Width，寬為Height的矩形結(jié)構(gòu)元素對區(qū)域Region進行開運算處理。例：opening_rectangle1(Region,RegionOpening,10,10)表示：用10×10的矩形對區(qū)域Region進行開運算操作，處理結(jié)果放在變量RegionOpening中。算子釋義：opening_circle—Openaregionwithacircularstructuringelement.格式：opening_circle(Region:Regionopening:Radius:)參數(shù)：Region

--輸入?yún)^(qū)域；Regionopening--腐蝕后的結(jié)果；Radius--圓形結(jié)構(gòu)元素的半徑，一般為奇數(shù)。作用：用半徑為Radius的圓形結(jié)構(gòu)元素對區(qū)域Region進行腐蝕處理。例：opening_circle(Region,RegionOpening,23)表示：用半徑為23的圓形對圖像變量Region中的區(qū)域進行開運算操作，處理結(jié)果放在圖像變量RegionOpening中。2、閉運算閉運算的計算步驟與開運算正好相反，為先膨脹，后腐蝕。這兩步操作能將看起來很接近的元素，如區(qū)域內(nèi)部的空洞或外部孤立的點連接成一體，區(qū)域的外觀和面積也不會有明顯的改變。算子釋義：closing_rectangle1—Closearegionwitharectangularstructuringelement.格式：closing_rectangle1(Region:Regionlosing:Width,Height:)參數(shù)：Region--輸入?yún)^(qū)域；Regionlosing--閉運算后的結(jié)果；Width,Height--矩形結(jié)構(gòu)元素的尺寸。作用：用長為Width，寬為Height的矩形結(jié)構(gòu)元素對區(qū)域Region進行閉運算處理。例：closing_rectangle1(Region,Regionlosing,35,35)表示：用35×35的矩形對圖像變量Region中區(qū)域進行閉運算操作，處理結(jié)果放在圖像變量Regionlosing中。

算子釋義：closing_circle—Closearegionwithacircularstructuringelement.格式：opening_circle(Region:Regionlosing:Radius:

)參數(shù)：Region

--輸入?yún)^(qū)域；Regionlosing--閉運算后的結(jié)果；Radius--圓形結(jié)構(gòu)元素的半徑，一般為奇數(shù)。作用：用半徑為Radius的圓形結(jié)構(gòu)元素對區(qū)域Region進行閉運算處理。例：closing_circle(Region,Regionlosing,23)表示：用半徑為23的圓形對圖像變量Region中的區(qū)域進行閉運算操作，處理結(jié)果放在圖像變量Regionlosing中?！救蝿?wù)實施】

1．讀取圖像并初始化*讀取圖像，目的是獲取圖像大小和創(chuàng)建窗口句柄read_image

(Image,

'hazelnut_wafer_01')

*關(guān)閉窗口

dev_close_window

()

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*打開新窗口，尺寸和圖像一致

dev_open_window_fit_image

(Image,

0,

0,

-1,

-1,

WindowHandle)

*設(shè)置線寬

dev_set_line_width

(3)

*設(shè)置顯示模式

dev_set_draw

('margin')

*設(shè)置字體

set_display_font

(WindowHandle,

20,

'mono',

'true',

'false')

2．循環(huán)讀取圖像并進行圖像處理*

循環(huán)讀取圖像，一張一張檢測，第一張圖像如圖7-9所示

*for

Index

:=

1

to

24

by

1

讀取默認目錄下，以hazelnut_wafer_開頭的圖像文件名，后續(xù)加上兩位數(shù)

*Index$'.02'表示Index為兩位數(shù)，如，當(dāng)Index=1時，用01表示。

read_image

(Image,

'hazelnut_wafer_'

+

Index$'.02')

*二值化閾值分割，如圖7-10所示

binary_threshold

(Image,

Foreground,

'smooth_histo',

'light',

UsedThreshold)

*開運算，如圖7-11所示

opening_circle

(Foreground,

FinalRegion,

8.5)

*計算孔區(qū)域面積

area_holes

(FinalRegion,

AreaHoles)

*計算區(qū)域的矩形度

rectangularity

(FinalRegion,

Rectangularity)

*顯示原圖

dev_display

(Image)

3．判斷并顯示結(jié)果

*判斷威化餅質(zhì)量的指標：孔洞面積>300或矩形度<0.92，為NG

if

(AreaHoles

>

300

or

Rectangularity

<

0.92)

*NG產(chǎn)品顯示為紅色

dev_set_color

('red')

*并文字提示“Not

OK”

Text

:=

'Not

OK'

else

*良品顯示草綠色

dev_set_color

('forest

green')

*并文字提示“OK”

Text

:=

'OK'

endif

*顯示處理結(jié)果，如圖7-12所示

dev_display

(FinalRegion)

*顯示文字信息“Not

OK”或“OK”

disp_message

(WindowHandle,

Text,

'window',

12,

12,

'',

'false’)

*如果文件名后兩位數(shù)值<24,總共24張圖像，否則結(jié)束

4．程序結(jié)束判斷

if

(Index

<

24)

*顯示“Press

Run(F5)

to

contine”信息，如圖7-13所示

disp_continue_message

(WindowHandle,

'black',

'true')

*暫停

stop

()

endif

endfor

謝謝機器視覺系統(tǒng)編程與開發(fā)<Halcon版>《HALCON機器視覺系統(tǒng)編程基礎(chǔ)》項目8模版匹配【知識目標】1、理解圖像分割的概念的作用；2、了解幾種圖像分割的方法和應(yīng)用場合；3、會用普通閾值分割圖像。1．知道模板匹配的流程2．會用模板匹配的方法對圖形進行定位；1．提升圖像識讀能力和編程能力；2．培養(yǎng)圖像分析能力?！灸芰δ繕恕俊舅仞B(yǎng)目標】項目導(dǎo)讀

模板匹配是機器視覺工業(yè)現(xiàn)場中定位較為常用的一種方法，通過算法，在目標圖像中找到模板圖像的位置，即通過模板圖像與目標圖像之間的比對，從目標圖像中尋找與模板圖像灰度、邊緣、外形結(jié)構(gòu)等特征的相似圖形，從圖像的左上角開始從左向右、從上向下滑動，依次遍歷整幅圖像，根據(jù)不同的匹配算法，采用對應(yīng)的規(guī)則來判斷匹配的結(jié)果，一般來說，輸入是設(shè)定的圖像或者圖像中區(qū)域，輸出匹配目標圖像中感興趣區(qū)域的位置、相對模板圖像的旋轉(zhuǎn)角度、縮放比例以及匹配數(shù)量。Halcon軟件常用的模板匹配方式有許多，本項目主要分析基于形狀的和基于相關(guān)性的模板匹配。利用模板匹配查找多個商標利用相關(guān)性模板匹配檢測瓶蓋圖案利用模板匹配查找電子零配件任務(wù)3任務(wù)4任務(wù)2利用模板匹配查找回形針任務(wù)1利用模板匹配查找回形針任務(wù)12課時【任務(wù)要求】

根據(jù)形狀模板匹配對圖中的回形針進行匹配，依次匹配一個?！局R鏈接】

基于形狀的模板匹配，也稱為基于邊緣方向梯度的匹配，是一種最常用也最前沿的模板匹配算法。該算法以物體邊緣的梯度相關(guān)性作為匹配標準，提取ROI中的邊緣特征，結(jié)合灰度信息創(chuàng)建模板，并根據(jù)模板的大小和清晰度的要求生成多層級的圖像金字塔模型，然后在圖像金字塔層中自上而下逐層搜索模板圖像，直到搜索到最底層或得到確定的匹配結(jié)果為止。Halcon軟件中形狀模板匹配的算子為創(chuàng)建模板算子create_shape_model和匹配模板算子find_shape_model。算子釋義：create_shape_model—Prepareashapemodelformatching.格式：create_shape_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Optimization,Metric,Contrast,MinContrast:ModelID)參數(shù)：Template

--模板圖像；NumLevels--金字塔的最大層級--層級越高搜索越快；AngleStart,AngleExtent--模板旋轉(zhuǎn)的起始、終止角度--弧度；AngleStep--角度步長，一般>=0且<=pi/16；Optimization--設(shè)置模板優(yōu)化和模板創(chuàng)建方法；Metric--匹配方法設(shè)置；Contrast

--設(shè)置對比度；MinContrast--設(shè)置最小對比度；ModelID--模板窗口句柄。作用：創(chuàng)建形狀匹配模板。例：create_shape_model(ImageReduced,0,0,rad(360),'auto','no_pregeneration','use_polarity',40,10,ModelID)表示：創(chuàng)建形狀匹配模板，模板的金字塔層數(shù)為0，起始角度為00，終止角度為3600，角度步長為‘a(chǎn)uto',模板優(yōu)化方法為‘no_pregeneration'，匹配方法選擇‘use_polarity'，則圖像中的對象和模型中的對象必須具有相同的對比度；對比度為40，最小對比度為10，模板窗口的句柄名為‘ModelID’。算子釋義：find_shape_model—Findthebestmatchesofashapemodelinanimage.格式：find_shape_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Score)參數(shù)：Image

--輸入圖像；ModelID--模板窗口句柄；AngleStart,AngleExtent--搜索時起始和終止角度；MinScore--被找到的模板最小匹配度--大于等于這個值才能被匹配，[0,1]，默認0.5；NumMatches--要找到的模板最大實例數(shù)，0為不限制；MaxOverlap--要找到的模型實例的最大重疊比例；SubPixel--計算精度的設(shè)置；NumLevels--搜索時金字塔的層級；Greediness

--貪婪度，搜索啟發(fā)式，一般都設(shè)為0.8，值越高速度越快；Row,Column，Angle--輸出匹配位置的行和列坐標、角度；

Score

--得分。作用：進行形狀模板匹配操作。例：find_shape_model(Image,ModelID,0,rad(360),0.7,13,0.5,'none',0,0.9,Row,Column,Angle,Score)表示：利用創(chuàng)建的模板ModelID，在圖像變量Image中的圖像上匹配所需的形狀特征，起始角度為'0-3600'，最小匹配度為'0.7'，最大匹配個數(shù)為'13'，模型的最大重疊比例為'0.5'，不使用亞像素精度，金字塔的層數(shù)與創(chuàng)建的模板金字塔相同，貪婪度為'0.9'，輸出匹配位置的行和列坐標、角度以及匹配得分。【任務(wù)實施】

1．讀取圖像并初始化*讀取圖像

read_image

(Image,

'clip')

*獲取圖像尺寸大小

get_image_size

(Image,

Width,

Height)

*關(guān)閉窗口

dev_close_window

()

*新建一個圖像窗口

dev_open_window

(0,

0,

Width/2,

Height/2,

'black',

WindowHandle)

*顯示圖像，如圖8-2所示dev_display

(Image)

*繪制最小外接矩形

gen_rectangle2

(Rectangle,

Row1,

Column1,

Phi,

Length1,

Length2)

*膨脹操作，將外接矩形擴大dilation_rectangle1

(Rectangle,

RegionDilation,

9,

9)

*裁剪出一個回形針的圖形為創(chuàng)建模板用，如圖8-4所示reduce_domain

(Image,

RegionDilation,

ImageReduced)

*以ImageReduced創(chuàng)建模板，角度為0~360度

create_shape_model

(ImageReduced,

0,

0,

rad(360),

0,

'no_pregeneration',

'use_polarity',

40,

10,

ModelID)

*獲取模型參數(shù)

get_shape_model_params

(ModelID,

NumLevels,

AngleStart,

AngleExtent,

AngleStep,

ScaleMin,

ScaleMax,

ScaleStep,

Metric,

MinContrast)

2．選擇特征創(chuàng)建模板*閾值分割

threshold

(Image,

Regions,

0,

132)

*連通處理，打斷各個區(qū)域

connection

(Regions,

ConnectedRegions)

*開運算，去除噪聲

opening_rectangle1

(ConnectedRegions,

RegionOpening,

5,5)

*選擇左上角的回形針，如圖8-3所示select_shape

(RegionOpening,

SelectedRegions,

'row1',

'and',

0,

72)

select_shape

(SelectedRegions,

SelectedRegions1,

'column2',

'and',

100,

500)

*填充

fill_up

(SelectedRegions1,

RegionFillUp)

*最小外接矩形

smallest_rectangle2

(RegionFillUp,

Row1,

Column1,

Phi,

Length1,

Length2)

3．查找匹配特征

*查找匹配圖形find_shape_model

(Image,

ModelID,

0,

rad(360),

0.7,

13,

0.5,

'interpolation',0,

0.9,

Row,

Column,

Angle,

Score)

*獲取模型的輪廓contours

get_shape_model_contours

(ModelContours,

ModelID,

1)

4．顯示匹配結(jié)果

for

i

:=

0

to

|Score|

-

1

by

1

*計算剛性仿射變換矩陣

vector_angle_to_rigid

(0,

0,

0,

Row[i],

Column[i],

Angle[i],

HomMat2D)

*獲得的模型輪廓旋轉(zhuǎn)到匹配的輪廓，如圖8-5所示

affine_trans_contour_xld

(ModelContours,

ContoursAffinTrans,

HomMat2D)

endfor

*清除模板，釋放內(nèi)存

clear_shape_model

(ModelID)

下一任務(wù)介紹：利用模板匹配查找多個商標。利用模板匹配查找多個商標任務(wù)22課時【任務(wù)要求】根據(jù)形狀模板匹配對圖8-6進行檢索，一次查找多個商標?！救蝿?wù)實施】

1．讀取圖像并初始化*讀取圖像

read_image

(Image,

'green-dot')

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*關(guān)閉圖像

dev_close_window

()

*新建一個圖像窗口

dev_open_window

(0,

0,

Width,

Height,

'black',

WindowHandle)

*設(shè)定顯示顏色

dev_set_color

('red')

*顯示圖像，如圖8-7所示dev_display

(Image)

2．圖像處理，提取特征區(qū)域*閾值分割

threshold

(Image,

Region,

0,

128)

*連通域處理，打斷不相連的區(qū)域

connection

(Region,

ConnectedRegions)

*選擇面積在[10000,20000]之間的區(qū)域，就是選中中間圓的區(qū)域

select_shape

(ConnectedRegions,

SelectedRegions,

'area',

'and',

10000,

20000)

*填充

fill_up

(SelectedRegions,

RegionFillUp)

*膨脹操作，將圓擴大

dilation_circle

(RegionFillUp,

RegionDilation,

5.5)

*利用上一步的圓對原圖進行裁剪，不改變圖像大小，只是屏蔽圓以外的區(qū)域

，如圖8-8所示reduce_domain

(Image,

RegionDilation,

ImageReduced)

3．創(chuàng)建各向同性比例縮放形狀模板*創(chuàng)建各向同性模板

create_scaled_shape_model

(ImageReduced,

5,

rad(-45),

rad(90),

'auto',

0.8,

1.0,

'auto',

'none',

'ignore_global_polarity',

40,

10,

ModelID)

*獲取模板圖形的輪廓，中心點在原點（0,0）位置，如圖8-9所示get_shape_model_contours

(Model,

ModelID,

1)

*獲取模板區(qū)域的中心和角度

area_center

(RegionFillUp,

Area,

RowRef,

ColumnRef)

*創(chuàng)建仿射矩陣，從坐標（0,0）移動到模板中心（RowRef,

ColumnRef）

vector_angle_to_rigid

(0,

0,

0,

RowRef,

ColumnRef,

0,

HomMat2D)

*對模板輪廓進行仿射變換，將其移動到模板的中心，如圖8-10所示affine_trans_contour_xld

(Model,

ModelTrans,

HomMat2D)

*在模板匹配中,常用仿射變換來顯示結(jié)果的,每次完成匹配后,都需要把模板位置轉(zhuǎn)移到目標位置上去。*顯示圖像

dev_display

(Image)

*顯示模板輪廓

dev_display

(ModelTrans)

4．檢索特征*讀取要搜索的圖像

read_image

(ImageSearch,

'green-dots')

*顯示圖像

dev_display

(ImageSearch)

*搜索末班圖形，允許縮放，旋轉(zhuǎn)角度在（0,3600）度之間，搜索到的數(shù)量放在變量Score中

find_scaled_shape_model

(ImageSearch,

ModelID,

rad(0),rad(360),

0.8,

1.0,

0.5,

0,

0.5,

'least_squares',

5,

0.8,

Row,

Column,

Angle,

Scale,

Score)

*對搜索到的每個形狀進行放射變換，變換到原位置

for

I

:=

0

to

|Score|

-

1

by

1

*創(chuàng)建單位矩陣

hom_mat2d_identity

(HomMat2DIdentity)

*添加平移矩陣

hom_mat2d_translate

(HomMat2DIdentity,

Row[I],

Column[I],

HomMat2DTranslate)

*添加旋轉(zhuǎn)變換

hom_mat2d_rotate

(HomMat2DTranslate,

Angle[I],

Row[I],

Column[I],

HomMat2DRotate)

*添加比例縮放

hom_mat2d_scale

(HomMat2DRotate,

Scale[I],

Scale[I],

Row[I],

Column[I],

HomMat2DScale)

*進行仿射變換

affine_trans_contour_xld

(Model,

ModelTrans,

HomMat2DScale)

*顯示變換結(jié)果，遍歷圖像，找到所有特征，如圖8-11所示

dev_display

(ModelTrans)

endfor

*清除模型，釋放內(nèi)存

clear_shape_model

(ModelID)

下一任務(wù)介紹：利用模板匹配查找電子零配件。利用模板匹配查找電子零配件任務(wù)32課時【任務(wù)要求】

根據(jù)形狀模板匹配對圖像進行檢索，一次查找多個特征。【任務(wù)實施】

1．讀取圖像并初始化*獲取圖像

read_image

(Image,

‘Parts00.png’)

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*關(guān)閉窗口

dev_close_window

()

*新建一個窗口

dev_open_window_fit_image

(Image,

0,

0,

-1,

-1,

WindowHandle)

*顯示圖像

，如圖8-13所示dev_display

(Image)

2．繪制ROI，獲取區(qū)域，制作模板*設(shè)定顯示線寬

dev_set_line_width

(2)

*利用ROI工具，在圓形墊圈上繪制圓形ROI

gen_circle

(ModelRegion,

170.157,

318.094,

66.5761)

*裁剪制作模板1，如圖8-14所示reduce_domain

(Image,

ModelRegion,

TemplateImage)

*創(chuàng)建模板1

create_shape_model

(TemplateImage,

5,

rad(0),

rad(360),

rad(1.9272),

['none','no_pregeneration'],

'use_polarity',

[29,54,4],

5,

ModelID)*獲取模板1模板輪廓金字塔

get_shape_model_contours

(ModelContours,

ModelID,

1)

*利用ROI工具在蝸桿上繪制矩形ROI

gen_rectangle1

(ModelRegion1,

379.087,

307.217,

474.547,

458.583)

*裁剪制作模板2，如圖8-15所示reduce_domain

(Image,

ModelRegion1,

TemplateImage1)

*創(chuàng)建模板2

create_shape_model

(TemplateImage1,

5,

rad(0),

rad(360),

rad(1.9272),

['none','no_pregeneration'],

'use_polarity',

[29,54,4],

5,

ModelID1)

*獲取模板2模板輪廓金字塔

get_shape_model_contours

(ModelContours1,

ModelID1,

1)

3．依次讀取圖像進行模板匹配并顯示匹配結(jié)果*依次獲取圖像，對圖像進行檢測

TestImages

:=

['Parts01.png','Parts02.png']

for

T

:=

0

to

|TestImages|-1

by

1

*讀取圖像

read_image

(Image,

TestImages[T])

*模板匹配

find_shape_models

(Image,

[ModelID,ModelID1],

rad(0),

rad(360),

0.5,

5,

0.5,

'least_squares',

0,

0.9,

Row,

Column,

Angle,

Score,

Model)

dev_display

(Image)

if

(|Score|>=1)

*顯示匹配結(jié)果，如圖8-16所示

dev_display_shape_matching_results

([ModelID,ModelID1],

['red','green'],

Row,

Column,

Angle,

1,

1,Model)

endif

endfor

*釋放模板文件

clear_shape_model

(ModelID)

下一任務(wù)介紹：利用相關(guān)性模板匹配檢測瓶蓋圖案。利用相關(guān)性模板匹配檢測瓶蓋圖案任務(wù)42課時【任務(wù)要求】

相關(guān)性模板匹配檢測圖所示的瓶蓋圖案。

【知識鏈接】歸一化相關(guān)性NCC，(normalizationcross-correlation)是基于統(tǒng)計學(xué)計算兩組樣本相關(guān)性的算法，其取值范圍為[-1，1]之間，而對圖像來說，每個像素看成RGB的向量，整個圖像就是一個樣本集合，如果它有一個子集，與另一個樣本數(shù)據(jù)相互匹配，則它的NCC值為1；表示相關(guān)性最高，如果是-1，表完全無關(guān)；基于此原理實現(xiàn)模板的匹配識別。相關(guān)性模板匹配的算子為創(chuàng)建模板算子create_ncc_model和匹配模板算子find_ncc_model。算子釋義：create_ncc_model—PrepareanNCCmodelformatching.格式：create_ncc_model(Template::NumLevels,AngleStart,AngleExtent,AngleStep,Metric:ModelID)參數(shù)：Template

--模板圖像；NumLevels--金字塔的最大層級--層級越高搜索越快；AngleStart,AngleExtent--模板旋轉(zhuǎn)的起始、終止角度--弧度；AngleStep--角度步長；Metric--匹配方法設(shè)置；ModelID--模板窗口句柄。作用：創(chuàng)建相關(guān)性匹配模板。例：create_ncc_model(Image,'auto',0,0,'auto','use_polarity',ModelID)表示：模板所在的圖像為Image，金字塔層數(shù)為自動計算，起始角度為'0-3600'，步長為'自動計算'，檢測圖像中的目標對象和模板中的目標對象具有相同的對比度“方向”，模板句柄為ModelID。算子釋義：find_ncc_model—FindthebestmatchesofanNCCmodelinanimage.格式：find_ncc_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels:Row,Column,Angle,Score)參數(shù)：Image

--輸入圖像；ModelID--模板窗口句柄；AngleStart,AngleExtent--搜索時起始和終止角度；MinScore--被找到的模板最小分數(shù)--大于等于這個值才能被匹配，[0,1]，默認0.5；NumMatches--要找到的模板最大實例數(shù)，0為不限制；MaxOverlap

--要找到的模型實例的最大重疊比例；SubPixel--計算精度的設(shè)置；NumLevels

--搜索時金字塔的層級；Row,Column，Angle--輸出匹配位置的行和列坐標、角度；Score

匹配得分。作用：進行相關(guān)性模板匹配操作。例：find_ncc_model(Image,ModelID,0,0,0.5,1,0.5,'true',0,Row,Column,Angle,Score)表示：利用創(chuàng)建的模板

ModelID，在圖像變量Image中的圖像上匹配所需的形狀特征，起始角度為'0-3600'，最小匹配度為'0.5'，最大匹配個數(shù)為'1'，模型的最大重疊比例為'0.5'，使用亞像素精度，金字塔的層數(shù)為0，輸出匹配位置的行和列坐標、角度以及匹配得分。

【任務(wù)實施】

1．讀取圖像并初始化*

讀取圖像

read_image

(Image,

'cap_exposure/cap_exposure_03')

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*關(guān)閉當(dāng)前窗口

dev_close_window

()

*新建一個窗口，和圖像大小一致

dev_open_window_fit_image

(Image,

0,

0,

-1,

-1,

WindowHandle)

*設(shè)定顯示字體

set_display_font

(WindowHandle,

16,

'mono',

'true',

'false')

*顯示圖像，如圖8-14所示dev_display

(Image)

2．獲取模板區(qū)域*增強對比度

scale_image_max

(Image,

ImageScaleMax)

*閾值分割

threshold

(ImageScaleMax,

Regions,

34,

255)

*填充孔洞

fill_up

(Regions,

RegionFillUp)

*開運算，去除噪聲

opening_circle

(RegionFillUp,

RegionOpening,

150)

*獲取區(qū)域中心

area_center

(RegionOpening,

Area,

RowRef,

ColumnRef)

*裁剪圖像，獲得區(qū)域ImageReduced，用于創(chuàng)建模板，如圖8-15所示reduce_domain

(Image,

RegionOpening,

ImageReduced)

3．創(chuàng)建NCC模板*創(chuàng)建NCC模板

create_ncc_model

(ImageReduced,

'auto',

0,

0,

'auto',

'use_polarity',

ModelID)

*設(shè)定顯示模式為'margin'，顯示邊緣

dev_set_draw

('margin')

dev_display

(Image)

dev_set_color

('yellow')

dev_display

(ImageReduced)

disp_message

(WindowHandle,'創(chuàng)建

NCC

模板',

'window',

12,

12,

'black',

'true')

stop

()

4．模板匹配*依次讀取10張測試圖像

for

J

:=

1

to

10

by

1

*讀取圖像，圖像文件名為cap_exposure_**

read_image

(Image,

'cap_exposure/cap_exposure_'

+

J$'02')

*匹配模型

find_ncc_model

(Image,

ModelID,

0,

0,

0.5,

1,

0.5,

'true',

0,

Row,

Column,

Angle,

Score)

dev_display

(Image)

*顯示匹配結(jié)果

，如圖8-16所示

dev_display_ncc_matching_results

(ModelID,

'green',

Row,

Column,

Angle,

0)

*顯示消息

disp_message

(WindowHandle,

'找到

NCC

模型',

'window',

12,

12,

'black',

'true')

if

(J

<

10)

*如果已讀張數(shù)不到10張，提示按F5

continue

disp_continue_message

(WindowHandle,

'black',

'true')

endif

stop

()

endfor

clear_ncc_model(ModelID)謝謝機器視覺系統(tǒng)編程與開發(fā)<Halcon版>《HALCON機器視覺系統(tǒng)編程基礎(chǔ)》項目9邊緣檢測【知識目標】1．掌握像素級邊緣提取的算子，學(xué)會使用邊緣濾波器提取圖像中特征的邊緣；2．掌握亞像素級邊緣提取的算子，學(xué)會亞像素邊緣提取、擬合及XLD特征選擇。1．掌握亞像素邊緣輪廓的提?。?．會用亞像素邊緣輪廓對圖像進行分割操作，獲取所需要的特征。1．養(yǎng)成仔細認真的工作品質(zhì)；2．加強個人素養(yǎng)的培養(yǎng)?！灸芰δ繕恕俊舅仞B(yǎng)目標】項目導(dǎo)讀

邊緣檢測和閾值分割是圖像分割的兩種工具，區(qū)域的邊緣是圖像中灰度值變化強烈的地方，是不同區(qū)域之間的界限，一般是區(qū)域的連續(xù)性發(fā)生跳躍性突變的位置，是圖像中特征與特征之間區(qū)分的依據(jù)，針對邊緣特征的檢測和計算，可以獲取區(qū)域的邊緣輪廓，在視覺處理中也作為圖像分割處理的方式，在計算機視覺中有許多常用的算子，如Sobel算子、Laplace算子和Canny算子等，邊緣的提取可以分為像素級邊緣提取和亞像素級邊緣提取，本項目將通過2個任務(wù)，來掌握邊緣檢測的方法。提取白色銘牌區(qū)域威化餅外觀質(zhì)量檢測任務(wù)2任務(wù)1提取白色銘牌區(qū)域任務(wù)12課時【任務(wù)要求】

利用edges_image算子提取圖中白色銘牌區(qū)域。【知識鏈接】

使用邊緣提取，得到的邊緣是大于一個像素的輪廓，因此要對所得到的圖像進行骨架化，從而得到比較清晰的邊緣輪廓。有時候還需要進行非最大抑制處理，常用的像素級邊緣提取采用edges_image算子。算子釋義：edges_image—ExtractedgesusingDeriche,Lanser,Shen,orCannyfilters.格式：edges_image(Image:ImaAmp,ImaDir:Filter,Alpha,NMS,Low,High:)參數(shù)：Image

--輸入圖形；ImaAmp--輸出圖像的邊緣振幅；ImaDir--輸出方向，F(xiàn)ilter--輸入濾波器；Alpha--輸入平滑系數(shù)，NMS--輸入非極大值抑制；Low，High--輸入滯后閾值下、上限。作用：使用某種濾波器提取邊緣。例：edges_image(Image,ImaAmp,ImaDir,'canny',1,'nms',20,40)表示：對Image圖像變量中的圖像進行邊緣提取，邊緣振幅為ImaAmp，輸出方向為ImaDir，濾波器為'canny'，平滑系數(shù)為'1'，使用非極大值抑制，滯后閾值下限為20，上限為40。邊緣濾波器選擇準則：①產(chǎn)生的輸出信噪比要最大化，可以降低對邊緣點的錯檢和漏檢；②提取出來的位置方差要最小化，可以使提取出來的邊緣更靠近真正的邊緣；③提取出來的邊緣位置之間的距離要最大化，濾波器對每個真正的邊緣只返回唯一的一個邊緣，可以避免多重響應(yīng)。骨骼：一個圖像的“骨骼”是指圖像中央的骨骼部分，是描述圖像幾何拓撲性質(zhì)的重要特征之一。骨骼提取是通過選定合適的結(jié)構(gòu)元素B，對區(qū)域進行連續(xù)腐蝕和開運算來求得。骨骼的算子為skeleton。算子釋義：skeleton—Computetheskeletonofaregion.格式：skeleton(Region:Skeleton::)參數(shù)：Region--輸入圖形；Skeleton--輸出區(qū)域骨骼。作用：計算區(qū)域的骨骼。例：skeleton(Region,Skeleton)表示：計算區(qū)域Rigion的骨架。【任務(wù)實施】1．讀取圖像并初始化*獲取圖像

read_image

(Image,

'fabrik')

*關(guān)閉窗口

dev_close_window

()

*獲取圖像尺寸大小

get_image_size

(Image,

Width,

Height)

*新建一個和圖像大小一致的窗口

dev_open_window

(0,

0,

Width,

Height,

'black',

WindowID)

*顯示圖像，如圖9-2所示dev_display

(Image)

2．圖像處理*提取邊緣，利用'canny'算子提取邊緣輪廓，如圖9-3所示edges_image

(Image,

ImaAmp,

ImaDir,

'canny',

0.5,

'nms',

8,

16)

*閾值分割

threshold

(ImaAmp,

Region,

8,

255)

*提取骨架，可以使輪廓更清晰skeleton

(Region,

Skeleton)

*求骨骼的端點和關(guān)節(jié)點，如圖9-4所示junctions_skeleton

(Skeleton,

EndPoints,

JuncPoints)

*布爾差，從骨骼去除關(guān)節(jié)點，把骨骼分割成單點像素寬度、無分支區(qū)域，如圖9-5所示difference

(Skeleton,

JuncPoints,

SkelWithoutJunc)

*連通域處理

connection

(SkelWithoutJunc,

SingleBranches)

*特征選擇，利用特征直方圖根據(jù)'area'進行選擇，如圖9-6所示select_shape

(SingleBranches,

SelectedBranches,

'area',

'and',

370,

390)

*最小外接矩形

smallest_rectangle2

(SelectedBranches,

Row,

Column,

Phi,

Length1,

Length2)

*繪制最小外接矩形

gen_rectangle2

(Rectangle,

Row,

Column,

Phi,

Length1,

Length2)

*裁剪銘牌區(qū)域

reduce_domain

(Image,

Rectangle,

ImageReduced)

3．顯示結(jié)果*清除窗口

dev_clear_window

()

*顯示銘牌區(qū)域，如圖9-7所示dev_display

(ImageReduced)

下一任務(wù)介紹：檢測芯片內(nèi)外矩形之間的中心距和角度差。檢測芯片內(nèi)外矩形之間的中心距和角度差任務(wù)2【任務(wù)要求】求圖9-8所示芯片內(nèi)外矩形的中心距和角度偏差?！局R鏈接】

亞像素：像素是成像面的基本單位也是最小單位，其像素間存在一定的距離。在成像時，對物理世界中連續(xù)的圖像進行了離散化處理，這時成像面上每一個像素點只代表其附近的顏色。而兩個像素之間有距離的存在，雖然在宏觀上可以看作是連在一起的，但在微觀上它們之間還有無限更小的東西存在，是兩個物理像素之間的“像素”，這些更小的東西就稱為“亞像素”。Halcon軟件中以“_XLD”結(jié)尾的算子都是用來處理亞像素輪廓的算子。最常用的提取亞像素輪廓的算子是edges_sub_pix。算子釋義：edges_sub_pix—Extractsub-pixelpreciseedgesusingDeriche,Lanser,Shen,orCannyfilters.格式：edges_sub_pix(Image:Edges:Filter,Alpha,Low,High:

)參數(shù)：Image

--輸入圖形；Edges--輸出的XLD輪廓；Filter

--輸入濾波器；Alpha--輸入平滑系數(shù)，Low，High--輸入滯后閾值下、上限。作用：使用某種濾波器提取輪廓邊緣亞像素輪廓。例：edges_sub_pix(Image,Edges,'canny',1,20,40)表示：對圖像變量Image中的圖像進行亞像素提取，采用'canny'過濾器，平滑系數(shù)為'1'，滯后閾值下限為'20'、上限為'40'，提取結(jié)果放入變量Edges中。算子釋義：threshold_sub_pix—Extractlevelcrossingsfromanimagewithsubpixelaccuracy.格式：threshold_sub_pix(Image:Border:Threshold:

)參數(shù)：Image

--輸入圖形；Border--輸出的XLD輪廓；

Threshold--臨界灰度值。作用：使用臨界灰度值進行閾值分割提取邊緣亞像素輪廓。例：threshold_sub_pix(Image,Border,128)表示：用臨界灰度值128作為閾值對圖像變量Image中的圖形進行閾值分割，提取邊緣亞像素輪廓。【任務(wù)實施】1．讀取圖像并初始化*獲取圖像

read_image

(Image,

'die_on_chip')

*獲取圖像尺寸

get_image_size

(Image,

Width,

Height)

*關(guān)閉窗口

dev_close_window

()

*新建一個窗口，大小為圖像尺寸的一半，背景為亮灰色

dev_open_window

(0,

0,

Width

*

2,

Height

*

2,

'light

gray',

WindowID)

*顯示圖像，如圖9-9所示dev_display

(Image)

*設(shè)定窗口字體顯示樣式

set_display_font

(WindowID,

16,

'mono',

'true',

'false')

*

設(shè)定顯示線寬

dev_set_line_width

(2)

*填充方式為‘fill’

dev_set_draw

('fill')

2．提取內(nèi)部小矩形區(qū)域*快速閾值分割

fast_threshold

(Image,

Region,

120,

255,

20)

*開運算

opening_rectangle1

(Region,

RegionOpening,

4,

4)

*連通域處理

connection

(RegionOpening,

ConnectedRegions)

*填充

fill_up

(ConnectedRegions,

RegionFillUp)

*選擇中間白色矩形，如圖9-10所示select_shape

(RegionFillUp,

SelectedRegions,

['rectangularity','area'],

'and',

[0.8,700],

[1,99999])

*求最小外接矩形

smallest_rectangle2

(SelectedRegions,

Row,

Column,

Phi,

Length1,

Length2)*繪制最小外接矩形

gen_rectangle2

(Rectangle,

Row,

Column,

Phi,

Length1,

Length2)

*把區(qū)域縮小到邊界內(nèi)，獲取邊界，然后膨脹，再裁剪，可以獲取邊界區(qū)域，常用boundary

(Rectangle,

RegionBorder,

'inner_filled')

*膨脹

dilation_rectangle1

(RegionBorder,

RegionDilation,

4,

4)

*裁剪獲取中間矩形的邊緣區(qū)域，如圖9-11所示reduce_domain

(Image,

RegionDilation,

ImageReduced)

dev_clear_window

()

dev_display

(ImageReduced)

stop

()

3．提取中間小矩形XLD輪廓

*

獲取XLD輪廓

，如圖9-12所示edges_sub_pix

(ImageReduced,

Edges,

'canny',

1.5,

30,

40)

*對邊緣輪廓進行分割

segment_contours_xld

(Edges,

ContoursSplit,

'lines',

5,

2,

2)

*根據(jù)'contour_length'選擇輪廓

select_contours_xld

(ContoursSplit,

SelectedContours1,

'contour_length',

10,

99999,

-0.5,

0.5)

*對選擇的輪廓進行擬合操作union_adjacent_contours_xld

(SelectedContours1,

UnionContours1,

30,

1,

'attr_keep')

*

根據(jù)輪廓擬合矩形，如圖9-13所示fit_rectangle2_contour_xld

(UnionContours1,

'tukey',

-1,

0,

0,

3,

2,

Row1,

Column1,

Phi1,

Length11,

Length12,

PointOrder1)

*繪制矩形

gen_rectangle2_contour_xld

(Rectangle1,

Row1,

Column1,

Phi1,

Length11,

Length12)

4．

篩選外圈大矩形

*快速閾值分割

fast_threshold

(Image,

Region1,

65,

255,

20)

*連通域處理

connection

(Region1,

ConnectedRegions1)

*開運算

opening_rectangle1

(ConnectedRegions1,

RegionOpening1,

10,

10)*填充

fill_up

(RegionOpening1,

RegionFillUp1)

*選擇大矩形

select_shape

(RegionFillUp1,

SelectedRegions1,

'area',

'and',

1000,

99999)

*獲取大矩形的邊界

boundary

(SelectedRegions1,

RegionBorder1,

'inner')

*對大矩形邊界進行膨脹操作，如圖9-14所示dilation_rectangle1

(RegionBorder1,

RegionDilation1,

10,

10)

*裁剪出大矩形邊界

reduce_domain

(Image,

RegionDilation1,

ImageReduced1)

dev_clear_window

()

dev_display

(ImageReduced1)

stop

()

*獲取大矩形的邊界

boundary

(SelectedRegions1,

RegionBorder1,

'inner')

*對大矩形邊界進行膨脹操作，如圖9-14所示dilation_rectangle1

(RegionBorder1,

RegionDilation1,

10,

10)

*裁剪出大矩形邊界

reduce_domain

(Image,

RegionDilation