Halcon:获取Image图像中Region区域的特征参数
2016-08-16 16:54
761 查看
1、area_center_gray ( Regions, Image : : : Area, Row, Column ) 计算Image图像中Region区域的面积Area和重心(Row,Column)。 2、 cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast ) 计算共生矩阵和推导出灰度特征值 Direction:灰度共生矩阵计算的方向 Energy:灰度值能量 Correlation:灰度值的相互关系 Homogeneity:灰度值的均匀性 Contrast:灰度值的对比度 3、 cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation, Homogeneity, Contrast ) 根据共生矩阵计算灰度特征值 4、elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi ) 计算Image图像的Region区域的Ra,Rb和Phi。 5、 entropy_gray ( Regions, Image : : : Entropy, Anisotropy ) Image图像中Region区域的计算熵Entropy和各向异性Anisotropy。 6、 estimate_noise ( Image : : Method, Percent : Sigma ) 从单一图像 Image中估计图像的噪声。 Sigma:加性噪声的标准偏差 Method :估计噪声的方法 Method∈{foerstner、immerkaer、least_squares、mean}、 7、fit_surface_first_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma ) 计算一阶灰度平面的灰度矩阵和灰度值的逼近参数。 Algorithm:采用的算法 Algorithm:迭代次数 ClippingFactor:消除临界值的削波系数 8、fit_surface_second_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta ) 计算二阶灰度平面的灰度矩阵和灰度值的逼近参数。 9、fuzzy_entropy ( Regions, Image : : Apar, Cpar : Entropy ) 确定区域Regions的模糊熵 将图像视为模糊集合 Apar为模糊区域的起始点 Cpar为模糊区域的结束点 Entropy为Regions的模糊熵 10、fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter ) 计算Region区域的模糊周长 11、gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : ) 生成Image图像Region区域的共生矩阵 12、gray_histo ( Regions, Image : : : AbsoluteHisto, RelativeHisto ) 获取Image图像Region区域的灰度相对直方图RelativeHisto和绝对直方图AbsoluteHisto。 注意:Region区域必须先计算过它的直方图。 13、gray_histo_abs ( Regions, Image : : Quantization : AbsoluteHisto ) 获取Image图像Region区域的灰度绝对直方图AbsoluteHisto。 Quantization:灰度值的量化、 14、gray_projections ( Region, Image : : Mode : HorProjection, VertProjection ) 计算Region区域在水平方向和垂直方向的灰度值投影。 15、histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : ) 计算二通道灰度图像的直方图 16、intensity ( Regions, Image : : : Mean, Deviation ) 计算region区域的灰度平均值和偏差 17、min_max_gray ( Regions, Image : : Percent : Min, Max, Range ) 计算Region区域的最大最小灰度值。 Range:最大灰度值和最小灰度值之间的差距 18、moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta, Mean ) 计算平面的灰度矩阵和灰度值的逼近参数。 19、plane_deviation ( Regions, Image : : : Deviation ) 逼近的图象平面计算灰度值偏差 20、select_gray ( Regions, Image : SelectedRegions : Features, Operation, Min, Max : ) 根据灰度值选择区域 Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、 beta} Operation∈{and、or} shape_histo_all ( Region, Image : : Feature : AbsoluteHisto, RelativeHisto ) shape_histo_point ( Region, Image : : Feature, Row, Column : AbsoluteHisto, RelativeHisto ) 获取阈值特征直方图 Feature∈{connected_components、convexity、compactness、anisometry、holes}
相关文章推荐
- Halcon学习之六:获取Image图像中Region区域的特征参数
- Halcon学习之六:获取Image图像中Region区域的特征参数
- Halcon学习之六:获取Image图像中Region区域的特征参数
- Halcon学习之二:摄像头获取图像和相关参数
- Halcon学习之二:摄像头获取图像和相关参数
- 一篇论文 综合区域匹配的图像检索 IRM: Integrated Region Matching for Image Retrieval
- Halcon学习——region_to_bin(将图像的一个区域转换为二值图)
- Halcon学习之二:摄像头获取图像和相关参数
- Halcon学习(二)图像获取与相关参数
- 获取ImageView中的图像
- 图像特征检测(Image Feature Detection)
- AndroidGUI29:用getDrawingCache方法获取ImageView中的图像需要注意的问题
- 图像特征检测(Image Feature Detection)
- Halcon的图像获取的实例
- Halcon学习之八:图像区域叠加与绘制
- AndroidGUI29:获取ImageView中的图像需要注意的问题
- 图像显著区域检测代码及其效果图 saliency region detection
- 从sqlServer的image字段获取并显示图像示例(ASPNET2.0)
- opencv中如何利用mat来获取连续内存的图像区域,并改变形状
- BitmapData探究1-获取Image组件的图像数据