halcon edges_image算子分析

边缘检测技术详解
最新推荐文章于 2025-03-10 22:06:58 发布
原创 最新推荐文章于 2025-03-10 22:06:58 发布 · 4.5k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。

本文详细介绍了一种使用Deriche、Lanser、Shen或Canny滤波器进行边缘提取的算法。通过调整参数，如边缘算子、过滤器参数、非最大抑制及滞后阈值等，可以精确控制边缘检测的效果。示例中展示了如何读取图像，并运用Lanser2滤波器进行边缘检测。

edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )：使用Deriche, Lanser, Shen或者Canny 滤波器进行边缘提取

参数：

Image ：输入图像

ImaAmp：边缘振幅（梯度大小）图像

ImaDir ：图像边缘方向

Filter：边缘算子

Alpha：过滤器参数，小的值导致强平滑，但是更少的细节（canny算子相反）

NMS：非最大抑制（设置为none，表示不需要使用该值）

Low：滞后阈值操作的下阈值（如果不需要阈值设置，则为负值）

High ：滞后阈值操作的上阈值（如果不需要阈值设置，则为负值）

示例：

算子：

read_image (Image, 'fabrik')
edges_image (Image, ImaAmp, ImaDir, 'lanser2', 0.5, 'nms', 12, 22)
threshold (ImaAmp, Edges, 1, 255)
skeleton (Edges, Skeleton)
gen_contours_skeleton_xld (Skeleton, Contours, 1, 'filter')

[Halcon] edges_image
T
11-23 1348
算子利用多种滤波器（如Deriche、Lanser、Shen、Canny等）来检测图像中的边缘。这些滤波器能够识别图像中灰度值发生显著变化的区域，从而提取出边缘信息。此外，该算子还提供了非极大值抑制（NMS）和滞后阈值（Low和High）等参数，以进一步细化提取出的边缘。函数用于边缘检测，提供了多种边缘检测滤波器，包括基于递归的 Deriche、Lanser 和 Shen 方法，以及传统的 Canny 和 Sobel 滤波器。滤波器类型deriche1lanser1deriche2lanser2shen。
Halcon边缘滤波器edges_image 算子
changjian198384的博客
08-30 925
如果size为5、7、9、11等尺寸，则要在上述filter后面加上binomial来选择二项式滤波器，如sum_abs_binomial、sum_sqrt_binomial、thin_max_abs binomial、 thin_sum_abs _binomial、 x_binomial、 y_binomial等。输入图像仍为图（a）所示的灰度图像。sobel_amp 算子是一种常用的边缘滤波器，该算子是一阶导数的边缘检测算子，使用一个卷积核对图像中的每个像素点做卷积运算，然后采用合适的阈值提取边缘。
Halcon 算子 edges_image
奔跑的郑的博客
01-29 4355
edges_image (Operator) edges_image — Extract edges using Deriche, Lanser, Shen, or Canny filters. 作用：利用过滤器提取图片边缘； edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : ) 参数翻译（顺序对应以上参数顺序）： 输入图像、 输出梯度图像、 输出边缘直方图、 输入滤波器（常用'canny', 'sobe
针对图像做边缘：edges_image
It is me 的博客
10-05 520
针对图像做边缘：edges_image 针对区域做边缘： boundary 外边缘， 内边缘
halcon算子——edges_image与edges_color--颜色边缘提取与边缘提取的区别（过滤--图像边缘处理）
weixin_45590420的博客
12-31 1458
* 此示例程序显示了如何使用edges_color以及如何使用只能从彩色图像 中提取一些边缘的图像来使用edges_color和edges_image的输出之间的 差异。 dev_update_off () read_image (Image, 'olympic_stadium') get_image_size (Image, Width, Height) dev_close_window () dev_open_window (0, 0, Width, Height, 'black', WindowH.
31-OpenCVSharp 中实现 Halcon 的 edges_image算子（边缘检测）
weixin_45590420的博客
11-28 1069
该代码实现了一个 OpenCVSharp 函数来模拟 Halcon 的算子的功能，使用 Canny 边缘检测算法提取图像的边缘，并且提供了一些可调参数以控制边缘检测的效果。
24-OpenCVSharp 中实现 Halcon 的 edges_color 算子（检测颜色边缘）
weixin_45590420的博客
11-22 857
我们通过结合 Canny 边缘检测与颜色信息，或者通过 Sobel 算子在 HSV 颜色空间中对各个通道进行处理，可以得到非常有趣的颜色边缘检测效果。这种方法将不仅仅关注图像的灰度信息，还能结合颜色信息来获得边缘特征，特别适合那些需要分析颜色差异的图像。通过以上实现，我们能够在 OpenCVSharp 中实现类似于 Halcon 的算子，通过计算颜色图像的边缘并结合颜色信息。这种方法结合了图像的边缘特征和颜色信息，可以处理更为复杂的边缘检测问题，特别适用于需要分析颜色变化的图像。
基于Halcon学习的边缘提取【一】edges_image.hdev例程
BoomBiuBiu的博客
02-15 1753
*读取图片 read_image (Image, 'fabrik') *进行边缘提取 *得到边缘幅度图像和边缘方向图像 edges_image (Image, ImaAmp, ImaDir, 'lanser2', 0.5, 'nms', 12, 22) *二值化 threshold (ImaAmp, Edges, 1, 255) *提取骨架 skeleton (Edges, Skeleton) *通过骨架形成一个亚像素轮廓 gen_contours_skeleton_xld (Skeleton, .
Halcon —— 边缘检测算子详解
baidu_35536188的博客
02-10 1万+
一、算子介绍 1.1 种类 halcon内常用的边缘检测算子包括如下几种： 1.edges_image: 提取2D 图像边缘 2.edges_sub_pix：提取2D图像亚像素边缘 3.edges_object_model_3d ：提取3D图像边缘 4.edges_color和edges_color_sub_pix：提取彩色图像边缘 1.2 区别 edges_image可选择多种边缘检测算法来提取物体边缘，其与亚像素边缘算子的区别在于edges_image提取是以像素为单位的边缘特征，edges_sub_p
算子 edges_image
Honsen的博客
03-10 615
通过递归滤波器（Deriche、Lanser、Shen）或传统高斯导数滤波器（Canny）检测图像中的阶跃边缘，支持快速 Sobel 变体
Halcon 算子 close_edges
奔跑的郑的博客
01-24 798
作用：使用边缘振幅图像闭合边缘间隙 振幅图像的获取可以通过算子sobel_amp来获取
Canny边缘检测
shanshuyue的博客
11-03 230
image = imread('canny.jpg') show(image) def edge_detection(image,minVal=100,maxVal=200): image = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)#灰度化处理 edges = cv2.Canny(image,minVal,maxVal) plt.imshow(edges,'gray') plt.axis('off') plt.show...
数字图像处理：边缘检测(Edge detection)
小白学视觉
03-17 1834
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来源 |Rustle@知乎链接|https://zhuanlan.zhihu.com/p/59640437【写在前面】本文篇幅较长，用了大量图与公式帮助大家深入理解各种边缘检测算子，希望大家能看完哈，测试编译器为Matlab，作为入门计算机视觉(Computer vision)领域来说，Matlab是一款非常友好且简单的工...
图像处理(7) : 边缘检测
热门推荐
QtHalcon
05-26 4万+
边缘检测是图形图像处理、计算机视觉和机器视觉中的一个基本工具，通常用于特征提取和特征检测，旨在检测一张数字图像中有明显变化的边缘或者不连续的区域，在一维空间中，类似的操作被称作步长检测（step detection）。边缘是一幅图像中不同屈原之间的边界线，通常一个边缘图像是一个二值图像。边缘检测的目的是捕捉亮度急剧变化的区域，而这些区域通常是我们关注的。 一、常规边缘检测 颜色边缘检测方法是使用边缘滤波器，这些滤波器通过寻找较亮和较暗的区域边界像素点的方式提取边缘，滤波器寻找图像中梯...
MFC与HALCON混合编程二之MFC窗口中打开图像—edge_segments
weixin_43488529的博客
10-29 856
MFC窗口中打开图像—edge_segments引言一、结果（MFC窗口中打开图像—edge_segments）1.1 Halcon演示结果1.2 MFC演示结果二、Halcon代码三、MFC源代码1.头文件主要代码2.源文件主要代码总结 引言 使用MFC联合Halcon，将HDevelop中的演示结果用MFC中对话框的形式显示 一、结果（MFC窗口中打开图像—edge_segments） 1.1 Halcon演示结果 在混合编程一中图像打开不在MFC对话框中，这里将打开的图像放到窗体中，一个显示..
halcon图像边缘提取（边缘检测）
LeasonQ的博客
11-02 2万+
一、阈值分割： 分为：全局阈值、局部阈值、直方图自动阈值（自适应阈值）。 适用于：背景与目标占据不同的灰度级范围的图像。 二、边缘检测：            由于边缘和噪声都是灰度不连续的点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响。因此，用微分算子检测边缘前要对图像进行平滑滤波。 三、示例： 原图： halcon边缘提取代码： read_image
halcon边缘检测-derivate_gass.hdev-Derivative Filter(导数过滤器)
博客
01-16 3650
 derivate_gauss — Convolve an image with derivatives of the Gaussian.用高斯的导数卷积图像 高斯导数滤波用作 平滑滤波器（使用分水岭watershed得到contours）（用于很多小块的图像） derivate_gauss(Image : DerivGauss : Sigma, Component : ) 用一个图片Ima...
Halcon 算子 info_edges
奔跑的郑的博客
02-01 541
info_edges (Operator) 作用：预估算子edges_image中使用过滤器的掩膜宽度； info_edges( : : Filter, Mode, Alpha : Size, Coeffs) 参数翻译（顺序同上）： 输入过滤器名称、 输入模式（'edge'提取边缘, 'smooth'平滑）、 输入过滤参数（0.2 ≤ Alpha ≤ 50.0）、 输出过滤器宽度、 输出多项式系数 描述： 1、Filter的主要参数有以下几种： 'deriche1', 'lans.
Halcon measure_pos算子
最新发布
10-31
<think>Hmm, the user is asking specifically about Halcon's measure_pos operator after providing several reference materials. Interesting that they jumped straight into technical details - probably an engineer or machine vision technician working on a real project. Looking at their request, they want a practical guide: usage, functionality, and examples. The references mention it extracts straight edges perpendicular to rectangles/annular arcs, which matches my knowledge. Reference [3] shows it's typically used in calibrated measurement workflows after gen_measure_rectangle2. Wait... the user didn't specify if they're using Halcon/HDevelop or the library bindings (C++, C#, etc.). I should emphasize the core parameters first since they're language-agnostic. The key points to cover would be ROI generation, transition parameters, and how to interpret the (Row,Column) results. Oh! Must remember their system-level instruction about LaTeX formatting. For parameters like Sigma or Threshold, I'll wrap them properly as $Sigma$. And the coordinate pairs in the output should be like $(Row_Edge, Column_Edge)$. The examples are crucial here. Since they referenced a positioning+measurement workflow in [3], I'll include a complete code snippet showing shape model-based ROI transformation - that's industry best practice. Should mention that affine_trans_contour_xld tip since it's not obvious to beginners. Better warn about common pitfalls too. The "MinScore" trap is notorious - users often set it too high and miss edges. And the ROI size effect! Novices constantly make ROIs too large and get multiple edges. Maybe add a troubleshooting table... For related questions: the pairing/fuzzy variants are natural extensions, and clarifying the object lifecycle (create/close) would prevent memory leaks. The projection/threshold ops in [2] are adjacent topics too. </think>以下为Halcon中`measure_pos`算子的详细指南，结合核心功能、参数说明及典型应用示例： --- ### **一、算子功能** `measure_pos`用于**精确提取垂直于矩形或环形弧的直边位置**，通过灰度值过渡分析实现亚像素精度检测。主要应用场景包括： - 工业零件尺寸测量（如边缘间距、角度） - 定位标记点坐标获取 - 高精度轮廓分析 --- ### **二、关键参数说明** | 参数 | 类型 | 说明 | |------|------|------| | `MeasureHandle` | Input | 测量对象句柄（由`gen_measure_rectangle2`或`gen_measure_arc`生成） | | `Sigma` | Input | 高斯滤波系数（推荐1.0），值越大抗噪性越强但边缘精度降低 | | `Threshold` | Input | 边缘对比度阈值（灰度差最小值），值越高筛选越严格 | | `Transition` | Input | 边缘方向：`'positive'`（亮→暗）、`'negative'`（暗→亮）、`'all'`（双向） | | `Select` | Input | 边缘选择：`'first'`/`'last'`（首末边缘）、`'all'`（全部边缘） | | `RowEdge, ColumnEdge` | Output | 边缘中心点坐标（亚像素精度） | | `Amplitude` | Output | 边缘强度（灰度变化幅度） | | `Distance` | Output | 连续边缘间距（需配合`measure_pairs`使用） | --- ### **三、使用流程** #### **步骤1：创建测量对象** ```cpp * 生成矩形ROI（中心(200,300)，方向0°，半宽50px，半高100px） gen_measure_rectangle2(200, 300, 0, 50, 100, Width, Height, 'nearest_neighbor', MeasureHandle) ``` #### **步骤2：执行边缘检测** ```cpp * 检测ROI内所有暗→亮边缘（阈值=30，抗噪系数=1） measure_pos(Image, MeasureHandle, 1.0, 30, 'negative', 'all', RowEdges, ColEdges, Amplitude, Distance) ``` #### **步骤3：可视化结果** ```cpp * 标记边缘位置 dev_display(Image) for i := 0 to |RowEdges|-1 by 1 set_color('red') disp_cross(RowEdges[i], ColEdges[i], 20, 0) endfor ``` #### **步骤4：释放资源** ```cpp close_measure(MeasureHandle) // 必须手动释放句柄！ ``` --- ### **四、典型应用示例** **案例：芯片引脚间距测量** ```cpp * 1. 定位芯片位置（基于模板匹配） find_shape_model(Image, ModelID, ..., Row, Column, Angle) * 2. 根据位姿生成测量ROI vector_angle_to_rigid(..., HomMat2D) affine_trans_contour_xld(OriginalROI, TransROI, HomMat2D) // 变换ROI[^3] * 3. 创建测量对象 gen_measure_rectangle2(TransROI, ..., MeasureHandle) * 4. 检测引脚边缘 measure_pos(Image, MeasureHandle, 1.0, 25, 'all', 'all', Rows, Cols, Amp, _) * 5. 计算相邻边缘距离 edges_distance(Rows, Cols, Distances) // 自定义函数计算间距 ``` --- ### **五、注意事项** 1. **ROI方向优化**：矩形ROI的长边需**垂直于目标边缘**（通过`gen_measure_rectangle2`的`Angle`参数调整） 2. **抗噪与精度平衡**：`Sigma`值推荐范围 $[0.4, 2.0]$，过高会导致边缘模糊 3. **边缘遗漏处理**：若未检测到边缘： - 检查`Threshold`是否过高（降低10-20%重试） - 确认`Transition`方向设置正确 - 增大ROI高度（需不超过目标区域） > ⚠️ 多次调用时需及时用`close_measure`释放句柄，否则引发内存泄漏[^2] --- ### **六、扩展算子推荐** | 算子 | 功能 | 适用场景 | |------|------|----------| | `measure_pairs` | 提取成对边缘 | 卡尺测量、宽度计算 | | `fuzzy_measure_pos` | 模糊逻辑边缘检测 | 低对比度图像 | | `measure_thresh` | 基于灰度阈值的点提取 | 二值化特征点 | ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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