关于Halcon的工件形状、颜色、位置及二维码识别

图片内是4个不同形状、颜色、位置的工件，上方还贴着二维码，我想通过Halcon的一些算子将它们的一些基本信息检测出来。

---

一、建模

为了方便查找这些工件的基本轮廓，我将这些不同形状的工件分别建模，而在建模的过程中，由于二维码会干扰到我们的区域查找。所以，最好利用没有二维码的那一面进行建模，才能达到理想的效果。

我选择的建模对象分别如下（由于查找的对象是工件的轮廓，固颜色并不重要）：

以下是具体的处理工程（两种形状工件的处理工程大同小异）：

rgb1_to_gray (Image1, GrayImage)    //将RGB图像转化为灰度图像disp_message (WindowHandle, '请画一个矩形将工件选取：', 'window', 24, 24, 'black', 'true')    //在图片设定的位置显示一句话draw_rectangle1 (WindowHandle, Row11, Column11, Row2, Column2)    //画一个矩形将大致的工件范围确定，以方便后续的查找和处理gen_rectangle1 (Rectangle, Row11, Column11, Row2, Column2)    //显示上面画的矩形reduce_domain (GrayImage, Rectangle, ImageReduced)    //将这个矩形转化成一个区域threshold (ImageReduced, Region, 87, 255)    //在ImageReduced区域内查找阈值为87到255之间的区域connection (Region, ConnectedRegions)    //将Region内的区域分离select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 200000, 600000)    //将ConnectedRegions区域内面积在200000到600000之间的区域选取出来dev_display (GrayImage)dev_display (SelectedRegions)gen_contour_region_xld (SelectedRegions, Contours, 'border_holes')    //将SelectedRegions区域转化为轮廓模型（采用中断边缘模式，否则矩形工件内的中空区域无法被查找）create_scaled_shape_model_xld (Contours, 'auto', rad(0), rad(360), 'auto', 0.9, 1.1, 'auto', 'auto', 'ignore_local_polarity', 5, ModelID_rectangle)    //将Contours轮廓建立成一个模型句柄find_shape_model (GrayImage, ModelID_rectangle, rad(0), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row1, Column1, Angle, Score)    //在GrayImage图片内查找ModelID_rectangle模型dev_display (GrayImage)dev_display_shape_matching_results (ModelID_rectangle, 'red', Row1, Column1, Angle, 1, 1, 0)    //显示查找到的ModelID_rectangle模型gen_arrow_contour_xld (Arrow, Row1, Column1, Row1-150*sin(Angle), Column1+150*cos(Angle), 40, 40)    //在查找到的中心点处画一个十字write_shape_model (ModelID_rectangle, models + 'ModelID_rectangle.shm')    //将ModelID_rectangle模型句柄输出出来

转化的灰度值图片如下：

选取阈值为87到255之间的区域如下：

这里值得注意的是：在举行工件里面，由于摄像头的角度问题，可以发现中空内圈的形状发生一定程度的变形，这时，假设我们将其囊括进阈值选取的区域，在之后的模型查找容易出错，所以需要选择变形不明显的外圈。

选取面积为200000到600000之间的区域如下：

此举主要是为了排除不必要的区域，防止其并入模型当中，影响模型的建立以及查找。

二、形状识别

形状的识别我们可以通过区域的圆度和直角度进行区分，想要知道区域的圆度和直角度，就需要进行以下算子的处理：

gen_rectangle1 (Rectangle, 65, 300, 1900, 2120)reduce_domain (Image1, Rectangle, ImageReduced)rgb1_to_gray (ImageReduced, GrayImage)threshold (GrayImage, Region, 55, 160)    //在GrayImage图片内选取阈值为55到160的区域connection (Region, ConnectedRegions)select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 20000, 999999)    //将ConnectedRegions内的面积在20000到999999之间的区域选取出来fill_up (SelectedRegions, RegionFillUp)    //填充SelectedRegions区域shape_trans (RegionFillUp, RegionTrans, 'convex')    //将RegionFillUp区域化成标准的形状区域area_center (RegionTrans, Area3, Row3, Column3)   //查找RegionTrans区域的中心点坐标dev_display (GrayImage)dev_display (RegionTrans)select_shape (RegionTrans, SelectedRegionsRectangle, 'rectangularity', 'and', 0.85, 1.0)    //将RegionTrans区域内直角度0.85以上的区域选取出来select_shape (RegionTrans, SelectedRegionsCircle, 'roundness', 'and', 0.85, 1.0)    //将RegionTrans区域内圆度0.85以上的区域选取出来

当RegionTrans区域的直角度大于0.85，我们可以判定其为矩形区域；同理，当其圆度大于0.85，我们就判定其为圆形区域。

三、数量识别

为了检测出工作区域内摆放了多少个工件，也为了方便接下来的操作，我们进行下面的算子运算：

count_obj (RegionTrans, Number)    //计算RegionTrans内区域的数量for a := 1 to Number by 1    select_obj (RegionTrans, ObjectSelected, a)    //按顺序选取RegionTrans内的区域    dev_display (Image1)    dev_display (ObjectSelected)    disp_message (WindowHandle, Number + '个矩形工件', 'image', 24, 24, 'black', 'true')

四、颜色识别

由于每种颜色的饱和度都是不一样的，所以，将图像处理成饱和度图像，再通过阈值界定颜色的种类，能够达到理想的颜色区分效果。

decompose3 (Image1, Image11, Image2, Image3)    //将Image1图片分离出三基色图像trans_from_rgb (Image11, Image2, Image3, ImageResult_H, ImageResult_S, ImageResult_V, 'hsv')    //将三基色图像转化成hsv图像，其中的h图像就是我们需要的饱和度图像dev_display (ImageResult_H)color_threshold := [90,150,210,255]    //设定颜色的阈值区间，90到150之间的区域为绿色；210到255之间的区域为红色workpiece_color := [1,2]reduce_domain (ImageResult_H, ObjectSelected, ImageReduced2)for color_number := 0 to 1 by 1    threshold (ImageReduced2, Region2, color_threshold[color_number * 2], color_threshold[color_number * 2 + 1])    //用绿色的阈值区间对ImageReduced2区域进行扫描，假设该扫描区域存在，则继续进行操作；否则，用红色的阈值区间再进行扫描    connection (Region2, ConnectedRegions2)    fill_up (ConnectedRegions2, RegionFillUp1)    select_shape (RegionFillUp1, SelectedRegions2, 'area', 'and', 300000, 500000)    area_center (SelectedRegions2, Area5, Row5, Column5)    dev_display (ImageResult_H)    dev_display (SelectedRegions2)    if(Area5 != [])        retangle_data[0] := color_number    //假设SelectedRegions2区域存在，则把该区域的颜色标记放进retangle_data数组中（0代表绿色，1代表红色）    endif      endfor

三基色图像如下：

饱和度图像如下：

可以发现，绿色工件经过饱和度处理，变得非常灰蒙；而红色工件经过处理，变得非常光亮。这样的阈值差异是非常明显的，非常适合区域查找从而进行颜色识别。

五、定位情况、中心点坐标及旋转角度

rgb1_to_gray (Image1, GrayImage2)dilation_rectangle1 (ObjectSelected, RegionDilation, 100, 100)    //将ObjectSelected区域扩大100个像素reduce_domain (GrayImage2, RegionDilation, ImageReduced3)find_shape_model (ImageReduced3, ModelID_rectangle, rad(0), rad(360), 0.5, 1, 0.5, 'least_squares', 0, 0.9, Row6, Column6, Angle, Score)    //在ImageReduced3区域内查找ModelID_rectangle模板句柄if(Score > 0.8)    dev_display_shape_matching_results (ModelID_rectangle, 'red', Row6, Column6, Angle, 1, 1, 0)    //如果匹配的分数大于0.8，则显示ModelID_rectangle模型句柄    gen_arrow_contour_xld (Cross2, Row6, Column6, Row6 - 150*sin(Angle), Column6 + 150*cos(Angle), 40, 40)    //根据旋转角度画一个箭头    retangle_data[1] := Row6    //将中心点坐标存进retangle_data数组    retangle_data[2] := Column6    tuple_deg (Angle, Deg)    //把Π形式的角度化成度数    retangle_data[3] := Deg    //把旋转角度存进retangle_data数组    retangle_data[4] := 1    //1代表定位成功，2代表定位失败else    retangle_data[1] := 0    retangle_data[2] := 0    retangle_data[3] := 0    retangle_data[4] := 2endif

六、二维码识别

dev_display (ImageReduced3)create_data_code_2d_model ('QR Code', [], [], DataCodeHandle)    //建立QR Code类型的二维码模型句柄find_data_code_2d (ImageReduced3, SymbolXLDs, DataCodeHandle, [], [], ResultHandles, DecodedDataStrings)    //在ImageReduced3区域查找二维码的位置并显示，解析二维码的内容if(DecodedDataStrings != [])    retangle_data[5] := DecodedDataStrings    //将识别出来的二维码内容存进retangle_data数组else    retangle_data[5] := 0endif

七、显示结果

工件的信息解析如下：

剩余工件同理。