机器视觉_HALCON_示例实践_1.检测圆形

---

一、引言

前面的文（用户指南/快速向导）差不多已经把HALCON的基本内容讲完了，并且在学习过程中还跑过一个简单示例——在单一背景下定位回形针。示例跑过，顿时觉得自己行了，但如果此时（假设你和我一样没有其他图像处理经验）你想上手解决一个实际问题，很可能寸步难行。

就拿我来说，随手找了张图片，想定位图片中的目标图形——硬币。

于是，按照回形针示例中的步骤，借用灰度图像来阈值化，得到的图片是这样的，

先不谈背景中的大红块，连颜色相近的文字也被保留了下来，这不是我希望保留的。不过也很正常，因为用到的图像处理是基于形态学的，简单讲就是颜色、形状、面积的匹配，是比较傻瓜式的，实际上计算机并不认识硬币。

那如何去掉这些背景中不希望保留的元素呢，经过我一番查阅，知道了两种常用操作——腐蚀（erosion）和膨胀（dilation）。因为本文不是主要介绍它们的实现，所以只简单谈一下经过它们处理的效果。

腐蚀（erosion）

自然界中的腐蚀，假设你有一块铁板，经过腐蚀后，可能会变得像下图一样锈迹斑斑且有许多破洞，这些破洞大的区域，可能原本就有损坏、比较脆弱；而一些保留相对完好的区域，原本可能是成块的、比较结实的部分（假设腐蚀对每块区域作用都一样）。

而图像处理中的腐蚀，作用于引言中的示例图后，就得到了下图。可以看到，其实效果类似铁板腐蚀，大块图形保留较好，而一些细小图形直接消失了（被腐蚀掉了）；大图形上的一些小孔，经过腐蚀也变大了。

膨胀（dilation）

说到膨胀，自然就想到吹气球，气球充气后变大了（当然也可能爆掉）。图像处理中的膨胀也类似（但不会爆），它是与腐蚀相反的操作。把图像中的像素/区域想成一个气球，经过膨胀后，它就变大了。下面对示例图做膨胀，原来那些密密麻麻的字体明显变粗壮了，就像墨水在纸上洇开来一样。

Ok，关于腐蚀和膨胀到这里就差不多了（应用章节能理解其效果即可）。现在开始跑一个官方示例 Inspection of Ball Bonding ，在HDevelop示例程序中搜索 ball 关键字，可以找到该示例工程，选中 ball.hdev 打开。

二、检测圆形

这是示例原图，现在要找到并标注黑色圆形粘接口，接下来一行行学习它的程序（共五十多行）。

HALCON程序的头几行，

* ball.hdev: Inspection of Ball Bonding
* 
dev_update_window ('off')
dev_close_window ()
dev_open_window (0, 0, 728, 512, 'black', WindowID)

*（星号）开头的是注释，剩下三行以 dev_ 前缀的与图形处理无直接关系，它们的作用分别是：

1. 会关闭图像变量向图形窗口的自动输出（设置为’off’，还有一点好处是当你选中图像变量，图形窗口中只会显示选中的图像变量，方便观察，不然需要手动再选一次 显示/清除）
2. 关闭活动的图形窗口
3. 并打开一个728×512的黑色背景窗口。

接着，读取原图，

read_image (Bond, 'die/die_03')

虽然上面代码中关闭了图像变量自动显示在活动窗口，但在你单步调试程序时，这点会被无视掉。下面用 dev_display 显式输出读取的图像到图形窗口。

dev_display (Bond)
set_display_font (WindowID, 14, 'mono', 'true', 'false')
disp_continue_message (WindowID, 'black', 'true')
stop ()

剩下两句看似是系统算子，但实际上是预定义好的外部函数。效果就是在图像下方显示文字，接着 stop() 暂停程序执行。

接下来是老朋友了，阈值化。

threshold (Bond, Bright, 100, 255)

阈值化后是一个新的算子 shape_trans ，它可以变换区域的形状。这边填的参数为 ‘rectangle2’ ，在输入区域中外接最小矩形。上面阈值化后的图像，顶部明显有一片区域是黑的，也就是没有像素的，这部分区域在后续处理过程中是不需要的，我们如何去掉它呢，就需要外接矩形了。

shape_trans (Bright, Die, 'rectangle2')

接下来几步是在外接矩形外围画一个框，并显示预定义好的文字提示信息，然后暂停一下。

dev_set_color ('green')
dev_set_line_width (3)
dev_set_draw ('margin')
dev_display (Die)
disp_continue_message (WindowID, 'black', 'true')
stop ()

你可能会问，有这么一个矩形有啥用呢？
别急，接下来的算子 reduce_domain 中会用到它，

reduce_domain (Bond, Die, DieGrey)

它会从原图中裁剪出矩形区域的图像，

这里的裁剪出图像，其实图像的尺寸未发生变化，你可以看到黑色背景还是在的，这相当于把矩形以外的区域去掉了，但保留背景/画布（HALCON中还有一个算子）。
上面这几步操作（获取目标矩形，用矩形裁剪图像）很常用，通常获取ROI区域就是这么做的。

接下来对裁剪得到区域再次进行阈值化，这次保留了灰度值低的区域（靠近0接近黑色，靠近255接近白色），另外图像顶部的黑色区域其实是没有像素的，所以并未选中

threshold (DieGrey, Wires, 0, 50)

下一步又是一个新的算子 fill_up_shape ，它的作用是填充区域中具有某些特征的空洞，下面参数表示的特征是面积，范围是1-100。也就是将该范围面积的空洞填满，

fill_up_shape (Wires, WiresFilled, 'area', 1, 100)

来看下放大后的效果吧，处理前，

处理后，

还是很明显的，区域内的小圆孔被填充满了。你可能会问，不是填充满吗，为什么消失了？因为图案是接近黑色的，填充后看起来就是消失了。

接下来又是一些额外操作，显示原图底片，用红色填充满处理后区域，

dev_display (Bond)
dev_set_draw ('fill')
dev_set_color ('red')
dev_display (WiresFilled)
disp_continue_message (WindowID, 'black', 'true')
stop ()

下一步是一个很有用的操作——开操作（halcon中名称为opening的都是开操作相关的），它的原理其实是腐蚀和膨胀的结合，即先腐蚀后膨胀，

opening_circle (WiresFilled, Balls, 15.5)

处理后的效果，是不是非常离谱，但理解了文章开头说的效果后，其实不难想象。

接下来，切换了输出颜色，重新输出处理后的区域，

dev_set_color ('green')
dev_display (Balls)
disp_continue_message (WindowID, 'black', 'true')
stop ()

接下来三个算子， 先是connection 寻找区域内的连通部分；
第二个是新算子 select_shape ，找到具有目标特征的形状，这边填写的参数是 ‘circularity’ ，就是类圆的图形；
第三个算子就是字面意思，对图形按位置排序（这边参数表示按列值升序排）。

connection (Balls, SingleBalls)
select_shape (SingleBalls, IntermediateBalls, 'circularity', 'and', 0.85, 1.0)
sort_region (IntermediateBalls, FinalBalls, 'first_point', 'true', 'column')

然后，又是换色显示原图对比，并输入提示文本，

dev_display (Bond)
dev_set_colored (12)
dev_display (FinalBalls)
disp_continue_message (WindowID, 'black', 'true')
stop ()

最后，
smallest_circle 确定这些圆形区域的最小外接圆，并将输出的坐标和半径做处理后输出到图形窗口。

smallest_circle (FinalBalls, Row, Column, Radius)
NumBalls := |Radius|
Diameter := 2 * Radius
meanDiameter := mean(Diameter)
minDiameter := min(Diameter)
dev_display (Bond)
disp_circle (WindowID, Row, Column, Radius)
dev_set_color ('white')
disp_message (WindowID, 'D: ' + Diameter$'.4', 'image', Row - 2 * Radius, Column, 'white', 'false')
dev_update_window ('on')

至此，示例程序处理完毕。

之后，我用了示例方法处理文章开头的示例图，得到如下效果

三、总结

整个过程其实并不复杂，毕竟我们只是调用算子，不需要关注算法细节。
但这里还是得稍微总结一下所涉及的常用操作，

• 阈值化，拿到图之后通常会先阈值化一下，方便后续处理。
• 选取ROI，通常获取一个形状，然后用该形状去裁剪原图，可以减少后续图像处理量，并减少干扰区域。
• 腐蚀和膨胀，上面示例中的开操作（opening）就包含了腐蚀和膨胀，你也可以分开来使用，常见的还有闭操作（closing）。这些操作通常用来去掉图像背景中的干扰区域，填充空缺。
• 基于的特征的图形选择，这步是在寻找连通区域（connection）之后的。

上面提到的阈值化、选取ROI等操作都可以UI交互实现，比直接调参更方便。