HALCON guided_filter导向滤波算子分析

最新推荐文章于 2025-05-12 20:30:29 发布
最新推荐文章于 2025-05-12 20:30:29 发布
阅读量2.4k 收藏 4
点赞数 1
CC 4.0 BY-SA版权
分类专栏： halcon例程学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lx_Angel/article/details/106154021

1.guided_filter(Image, ImageGuide : ImageGuided : Radius, Amplitude : )可应用在图像增强，HDR压缩、图像抠图及图像去雾等场景

参数：

Radius：滤光片的大小，数值越大，滤波影响的区域越大，保留的细节越少。

 Amplitude：用来决定什么是边，什么是齐次区域。Amplitude（振幅）越大，边缘越平滑。建议振幅的值应该低于需保留边缘的对比度

当Image和ImageGuide为同一张图片，则guided_filter主要是通过带有边境的过滤器掩膜的边缘保持平滑。保留比振幅大得多的边缘像素，对均与区域的像素进行平滑处理。

当Image和ImageGuide不同时，除了ImageGuide 的边缘对比度明显大于振幅（Amplitude）的区域外，Image用带有Radius的滤波掩膜进行平滑。

如果ImageGuide是常量，则guided_filter相当于掩码大小为2*Radius+1的mean_image的连续两次调用。

可以迭代的应用guided_filter，一个迭代的结果用作下一个迭代的ImageGuided，可以从原始图像中三处小结构，即使它们有很高的对比度

Halcon入门学习笔记-（2）图像灰度变化 & 图像滤波
Joke
01-24 2344
一、图像的灰度变化 灰度变换是图像增强的一种重要手段，用于改善图像显示效果，属于空间域处理方法，它可以使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。灰度变换其实质就是按一定的规则修改图像每一个像素的灰度，从而改变图像的灰度范围。常见的灰度变换图像反转，对数变换和伽马变换等。 更多关于灰度变换参考：图像灰度变换——线性灰度变换 和 非线性灰度变换(对数变换 与 伽马变换) *...
halcon 与滤波相关的算子（1）
qq_53863660的博客
03-26 2360
一共有level.edge,spot,wave,ripple,undulation,oscillation七种，两两组合，即“ll“le”“lw”“lo”“uo”uw”d等等。相比高斯滤波的权重只考虑了距离因素，双边滤波在这基础上还考虑了像素值的相似度，越相似的像素权重越大，根据与像素的距离确定权重，距离越近的像素具备越高的权重，权重的分布服从正态分布。，数值越大，影响的面积越大，平滑度越大，相当于高斯的标准差阈值。局部的重复的部分称为纹理单元，采用不同的滤波核进行纹理滤波。边缘的平滑度，值越大，越平滑。
Halcon中de高斯滤波器(7个算子带你搞定高斯滤波器)
最新发布
m0_73499973的博客
05-12 408
本文通过一个图像处理案例，详细介绍了如何使用HALCON库中的多个算子对图像进行处理。首先，使用read_image读取图像，并通过gen_gauss_filter生成高斯滤波器，用于平滑图像。接着，利用rft_generic将图像转换到频域，再通过convol_fft进行卷积操作，使用高斯滤波器作为卷积核。处理后的图像通过rft_generic转换回空间域，并通过sub_image计算图像差值。最后，使用zoom_image_factor缩放图像，并通过lines_gauss提取高斯线条。整个过程展示了从
导向滤波
todayq的专栏
07-21 3921
何凯明去雾算法中的导向滤波实现，原文地址导向滤波。 导向图像I，滤波输入图像p以及输出图像q。像素点 i 处的滤波结果是被表达成一个加权平均： 假设导向滤波器在导向图像I和滤波输出q之间是一个局部线性模型： 最小化下面的窗口Wk的代价函数： 用来确定a,b的值 其中 论文所给算法如下： matlab代码如下： [pla
18-Halcon机器视觉实例入门：图像滤波-各向异性滤波
视觉与物联智能
05-12 1366
图像滤波-各向异性滤波 图像各向异性滤波的原理可以参考相关资料，在这里不再论述。在Halcon中，通过算子isotropic_diffusion来实现，其原型如下： isotropic_diffusion(Image : SmoothedImage : Sigma, Iterations : ) 参数如下： Image：输入图像 SmoothImage：平滑后的图像 Sigma：高斯分布的标准偏...
Halcon图像滤波方法与原理概述
热门推荐
优快云博客
03-10 1万+
目录简介Halcon算子与算法原理基础滤波a、均值滤波b、中值滤波c、高斯滤波d、导向滤波 简介 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。（摘自百度百科） Halcon算子与算法原理 基础滤波 a、均值滤波 mean_image 均值滤波是指任意一点的像素值，都是周围 N \t...
12-Halcon机器视觉实例入门：图像滤波
视觉与物联智能
04-27 5200
图像滤波 1 均值滤波 mean_image算子实现均值滤波，其原型如下： mean_image(Image : ImageMean : MaskWidth, MaskHeight : ) 其中，参数Image为输入参数；ImageMean为输出参数；MaskWidth均值滤波窗口的宽度；MaskHeight为均值滤波窗口的高度； * 图像均值滤波 *读取图像 read_image(src,...
Halcon开始一个视觉项目--图像预处理（2.1）
qq_45041213的博客
06-03 1128
图像预处理 Halcon
halcon滤波
03-14
在 Halcon 中，可以通过 `gauss_filter` 算子实现该功能。 ```csharp using Mvtec.HalconDotNet; public void ApplyGaussianFilter() { HObject image = new HObject(); // 原始输入图像 HTuple sigma = 2.0; //...
基础篇06-空域滤波（上）-- 线性平滑滤波
ahhjian的专栏
02-08 184
空域滤波是图像处理的核心技术之一，将用三节将简要介绍Halcon中有关空域滤波的算子。本节主要介绍空域滤波基础，并介绍常见的线性平滑滤波技术。
Guided Filter算法详解
Christo的博客
03-22 344
参考1。
导向滤波原理以及解释
01-04
基于导向滤波的work论文，写的非常详细，希望能够帮助到广大科研人员
直方图均衡化，灰度拉伸，中值滤波，同态滤波程序
12-27
直方图均衡化，灰度拉伸，中值滤波，同态滤波程序
halcon_dlphay:halocon芯片缺陷检测
05-02
halcon_dlphay
比halcon 和visionpro 还要好用的机器视觉软件,
11-28
全中文文 档，易学易用,文字识别，键盘,印刷检测，线路板PCB检测软件,机器手控制
常用的图像滤波方法简介-基于HALCON视觉算法包
$firecat利白的代码足迹$
08-14 4000
来源：机器视觉算法与应用 在机器视觉中，图像滤波器无处不在。例如，它们用于减少图像噪声，改善对比度或检测边缘。本文将向您介绍MVTec HALCON中一些最常用的滤波器，它们是如何工作的以及可以用于什么。 mean_image：均值滤波器 首先，我们读取具有背景纹理的示例图像。我们的目标是在不改变实际信息的情况下删除背景纹理。让我们从一个易于理解的通用运算符开始：mean_image。 在生成的图像中，背景纹理已被很好地去除，但是很多相关信息已经丢失。那么，此滤波器如何工作？ 为了调用mean_i
Halcon Solution Guide I basics(1): Guide to Halcon Methods（Halcon解决方案）
qq_44695769的博客
11-19 272
今天来看Halcon的第一章内容，Halcon解决方案。
同态滤波
还是应该要努力的（12点前睡觉！！！！！
12-11 651
公式 H(u,v)=(γH−γL)[1−e−c[D2(u,v)/D02]]−γLH(u, v) = ({\gamma}_{H} - {\gamma}_{L})[1 - e^{-c[D^{2}(u, v)/D^{2}_{0}]}] -{\gamma}_{L} H(u,v)=(γH​−γL​)[1−e−c[D2(u,v)/D02​]]−γL​ 其中，γH{\gamma}_{H}γH​的值为，γL{\g...
HALCON算子函数——Chapter 5 : Filter
think_fast的专栏
11-25 6693
Chapter_5:Filter 5.1  Arithmetic 1. abs_image   功能：计算一个图像的绝对值（模数）。 2. add_image   功能：使两个图像相加。 3. div_image   功能：使两个图像相除。 4. invert_image   功能：使一个图像反像。 5. max_image   功能：按像素计算两个图像的最大值。 6. m
halcon gen_polygons_xld算子
03-21
<think>好的，我需要回答用户关于Halcon中gen_polygons_xld算子的使用问题。首先，用户希望了解这个算子的用法、示例和参数详解。根据系统指令，我需要用中文回答，结构清晰，并且符合LaTeX格式要求。同时，用户提供的引用中有两个相关引用，可能需要在回答中引用。 首先，我应该回忆或查找gen_polygons_xld的官方文档或可靠资料。根据我的知识，gen_polygons_xld通常用于将XLD轮廓（轮廓）转换为多边形近似。这可能在图像处理中用于简化轮廓，减少点数，同时保持形状特征。例如，在检测零件边缘后，可能用这个算子来生成多边形，便于后续处理。 接下来，需要明确算子的参数。通常，Halcon算子的参数包括输入轮廓、输出多边形、模式（比如使用Ramer算法）、参数如Alpha（控制近似精度）等。需要详细说明每个参数的作用，比如Alpha值越大，多边形顶点越少，但可能丢失细节。 然后，示例部分需要给出一个代码示例，展示如何调用gen_polygons_xld。例如，读取图像，提取边缘，然后用该算子生成多边形。同时，需要解释代码步骤，确保用户理解流程。 根据用户提供的引用，引用[1]提到get_contour_global_attrib_xld，可能与轮廓属性相关，但gen_polygons_xld更关注形状近似。引用[2]关于segment_contours_xld，用于分割轮廓为几何片段，而gen_polygons_xld可能是在此之后进一步处理，生成多边形。因此，在应用场景中可以提到与这些算子的结合使用。 需要确保回答结构清晰，分点说明功能、参数、示例和应用场景。同时，生成相关问题，帮助用户深入理解。例如，如何调整参数，与其他算子的区别，优化方法等。 最后，检查LaTeX格式是否正确，行内公式用$...$，独立公式用$$...$$，并添加引用标识。例如，在提到分割轮廓时引用[^2]，或者在特征提取时引用[^1]。</think>### Halcon中`gen_polygons_xld`算子详解 #### 功能说明 `gen_polygons_xld`用于将亚像素精度的XLD轮廓（例如边缘检测结果）转换为多边形近似。其核心是通过简化轮廓点，生成由直线段组成的多边形，从而减少数据量并保留主要几何特征。适用于需要简化轮廓形状的场景，如工业零件尺寸测量、形状匹配等。 --- #### 参数详解 算子签名： ```python gen_polygons_xld(Contours : Polygons : Type, Alpha : ) ``` 1. **输入参数**： - `Contours`：输入的XLD轮廓（例如通过`edges_sub_pix`或`segment_contours_xld`生成的轮廓）。 2. **输出参数**： - `Polygons`：输出的多边形轮廓（仍为XLD格式）。 3. **控制参数**： - `Type`：多边形生成算法类型，常用选项： - `'ramer'`：基于Ramer-Douglas-Peucker算法，通过设定最大距离阈值（`Alpha`）简化轮廓。 - `'smooth'`：平滑轮廓后生成多边形。 - `Alpha`：控制简化程度的参数，类型为浮点数： - 对`'ramer'`模式，`Alpha`表示允许的最大点-边距离（值越大，顶点越少，但可能丢失细节）。 - 对`'smooth'`模式，`Alpha`表示平滑强度。 --- #### 示例代码 ```python * 读取图像并提取边缘 read_image(Image, 'particle') edges_sub_pix(Image, Edges, 'canny', 1, 20, 40) * 将边缘轮廓分割为线段（预处理） segment_contours_xld(Edges, Segments, 'lines', 5, 10, 5) * 生成多边形近似 gen_polygons_xld(Segments, Polygons, 'ramer', 2.0) * 可视化结果 dev_display(Image) dev_set_color('green') dev_display(Polygons) ``` **说明**： 1. 使用`edges_sub_pix`提取亚像素边缘。 2. 通过`segment_contours_xld`分割为直线段[^2]。 3. `gen_polygons_xld`进一步简化线段为多边形，减少顶点数量。 --- #### 应用场景 1. **工业检测**：简化零件轮廓以快速计算长度、角度等几何特征。 2. **形状匹配**：减少轮廓点数，提升匹配效率。 3. **数据压缩**：存储或传输时降低轮廓数据量，同时保留关键形状。 --- #### 关键注意事项 - **参数调优**：`Alpha`需根据实际轮廓复杂度调整。过大可能导致特征丢失，过小则简化效果有限。 - **算法选择**：`'ramer'`适合保留尖锐特征，`'smooth'`适合光滑曲线。 - **结合其他算子**：常与`segment_contours_xld`（分割轮廓）、`get_contour_global_attrib_xld`（获取轮廓属性）配合使用。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

乌里随记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值