這是運行代碼的結果，下面我們每條代碼過一遍，下面的代碼路徑為打開halcon,瀏覽實例程序，方法中的Blob分析，

?

?

有些重點代碼會詳細講解，

* autobahn.hdev: Fast detection of lane markers * dev_update_window ('off') dev_close_window () dev_open_window (0, 0, 768, 575, 'black', WindowID) MinSize := 30 get_system ('init_new_image', Information) set_system ('init_new_image', 'false') gen_grid_region (Grid, MinSize, MinSize, 'lines', 512, 512) clip_region (Grid, StreetGrid, 130, 10, 450, 502) dev_set_line_width (3) dev_set_color ('green') read_image (ActualImage, 'autobahn/scene_00') dev_display (ActualImage) stop () dev_display (StreetGrid) stop () for i := 0 to 28 by 1read_image (ActualImage, 'autobahn/scene_' + (i$'02'))reduce_domain (ActualImage, StreetGrid, Mask)sobel_amp (Mask, Gradient, 'sum_abs', 3)threshold (Gradient, Points, 20, 255)dilation_rectangle1 (Points, RegionDilation, MinSize, MinSize)reduce_domain (ActualImage, RegionDilation, StripGray)threshold (StripGray, Strip, 190, 255)fill_up (Strip, RegionFillUp)dev_display (ActualImage)dev_display (RegionFillUp) endfor dev_set_line_width (1) dev_update_window ('on') set_system ('init_new_image', Information)

簡介，這里還是使用了常規的blob分析法，只不過使用了一個?更高效的網格方法

?* autobahn.hdev: Fast detection of lane markers

autobahn.hdev:道路標志快速檢測

dev_update_window ('off')

?dev_update_window — 指定是否每一步都去刷新顯示圖形到窗口上，單步去執行算子的時候，無論關閉還是打開都沒有什么影響；要是連續執行的時候我們需要看連續執行的時間，最好關閉。關閉后，我們若要顯示需要顯示的圖形后者ROI時，需要使用dev_display算子去顯示

當然在導出到C#后，是不需要使用這個算子的，僅僅在HALCON中使用，在C#中我們必須使用顯示函數去顯示圖形。

在這個例子中設為off,關閉自動刷新顯示圖形

dev_close_window ()
dev_open_window (0, 0, 768, 575, 'black', WindowID)

先關閉窗口再從新以新的尺寸打開窗口；

在導出到C#中的時候，因為我們的窗口都是固定，都是使用算子得到圖片的大小，然后讓圖片去適應窗口，一般我寫代碼就沒有使用這兩個算子；當然也可以使用，就是在程序第一次打開的時候，使用固定大小打開窗口；

在HALCON中沒有去使用圖片適應窗口，而是讓窗口去適應圖片所以很多例子中都是先把窗口關閉再打開。

MinSize := 30

?創建變量并賦值

get_system ('init_new_image', Information)
set_system ('init_new_image', 'false')

?先獲取屬性值，再設置屬性值

get_system獲取當前系統參數的當前值

set_system設置當前系統參數的值

系統默認的參數很多，這些參數只是適用于HDevolop這個編程環境，如果導入到C#中使用，很多halcon的設置屬性和獲取屬性是沒法使用的，這里我們需要注意。

這里設置的是init_new_Image鍵盤按F6單步運行get_system我們發現返回的值是true,按鍵盤F1可以查詢到這個算子的部分屬性

?有只讀的有讀寫的，感興趣的可以看一看。

我們查詢下set_system

?

?

?找到init_new_image

大致翻譯是這樣說的，確定在使用過濾器之前是否應將新圖像設置為0，從而確保在具有相同配置的系統上重復執行程序時，過濾返回的值是一致的。請注意，如果始終對整個圖像進行過濾，或者如果未過濾圖像區域的數據不重要，則不需要這樣做。

這里提供這樣一個思路，如果你對于一個算子有疑問，那就注釋掉這段代碼，運行程序，看有什么區別，再去理解概念，就會體會深刻。

gen_grid_region (Grid, MinSize, MinSize, 'lines', 512, 512)

生成 網格，網格的類型我們按F1可以查詢到，有線類型和點類型，當然點類型也就是橫豎線的交點。這里是線類型，網格之間的橫豎距離就是MinSize的大小，下面是RowSteps的取值范圍

?ColumnSteps同理

?512是網格的最大橫縱坐標，取值范圍如下，這個例子中也就是從ROW=0到ROW=512,COLUMN=0到COLUMN=512

?clip_region (Grid, StreetGrid, 130, 10, 450, 502)

?剪切區域算子，根據官方文檔描述，使用這個算子的原因是這個算子的效率比使用交集的效率要高

?在這個例子中，因為生成網格時是從（0，0）開始生成到（512，512）結束，我們并不需要這么到，需要剪切掉不需要的部分，所以這里使用剪切算子

運行算子到這里，就可以生成一個如下圖的網格

?后面的代碼就是不斷在這個網格的基礎上執行blob分析運算，使用了一個for循環，循環讀取29張圖片

for i := 0 to 28 by 1
? ? read_image (ActualImage, 'autobahn/scene_' + (i$'02'))
? ? reduce_domain (ActualImage, StreetGrid, Mask)
? ? sobel_amp (Mask, Gradient, 'sum_abs', 3)
? ? threshold (Gradient, Points, 20, 255)
? ? dilation_rectangle1 (Points, RegionDilation, MinSize, MinSize)
? ? reduce_domain (ActualImage, RegionDilation, StripGray)
? ? threshold (StripGray, Strip, 190, 255)
? ? fill_up (Strip, RegionFillUp)
? ? dev_display (ActualImage)
? ? dev_display (RegionFillUp)
endfor

? read_image (ActualImage, 'autobahn/scene_' + (i$'02'))
? ? reduce_domain (ActualImage, StreetGrid, Mask)

按順序讀取本地圖片，我們導出到C#中的時候，如果手上沒有相機，也可以使用這種方式，循環讀取本地一系列的圖片來驗證我們的算法。

第二行是剪切函數， 很多檢測都會用到剪切函數，因為我們在檢測的時候，不是所以的區域都是我們感興趣和需要去處理的，處理的區域也是越小越好，這樣才能保證處理的速度很快。

我們單獨顯示剪切后的區域如下

?可以看到剪切的結果就是圖像和線條的重合部分，鏤空部分并沒有剪切過來，通過這樣單步的去執行算子，然后看結果，我們就能更好的理解算子的作用。

sobel_amp (Mask, Gradient, 'sum_abs', 3)

?這里使用邊緣檢測算子找到重合的邊緣部分，所謂邊緣也就是圖片上明暗有變化的地方就會有邊緣，這里使用的FilterType官方提供了一些值如下

?這些值大家可以找到一張圖片，分別使用這些值去測試，就大致會知道在什么樣的情況下使用什么方法

?找到邊緣之后，再使用閾值算子提取這些點，這里我當時有個疑問為什么不直接使用閾值呢，直接提取亮的點不也可以嗎？后來我想了想，這些亮的區域的灰度值是不確定的，我們沒辦法使用一個固定的范圍去提取，即使大部分情況下能提取到，總歸會有提取不到的時候，使用邊緣，是一個相對提取法，邊緣相對于其他地方是亮的，所以更穩定。

可以簡單這樣理解

閾值是一個絕對提取，

邊緣是一個相對提取

提取結果如下

?dilation_rectangle1 (Points, RegionDilation, MinSize, MinSize)

?使用膨脹算子使得提取的點變大

?? reduce_domain (ActualImage, RegionDilation, StripGray)

?再次剪切出關注的區域

??threshold (StripGray, Strip, 190, 255)

再次使用閾值算子提取道路標志

?fill_up (Strip, RegionFillUp)
? ? dev_display (ActualImage)
? ? dev_display (RegionFillUp)

?填充空洞，在閾值的時候，可能部分地方的灰度值不在我們設定的范圍，我們認為填充上

?看到這里，我的總結是，這里只是提供一個思路，就是使用網格去提取檢測區域的形式，我們沒必要照搬不誤的去使用，這里其實我們提前生成三個矩形區域也是沒有問題，把三個舉行區域合并成一個區域，然后去循環剪切關注區域，再使用閾值計算也是可以的。

我們在看例程的時候，一定要注意，所有例程最核心的都是提供思路，同一中缺陷檢測有很多中檢測思路，我們要根據實際情況靈活使用

?

總結

以上是生活随笔為你收集整理的Halcon实例分析——autobahn.hdev快速检测道路标志的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。