Baumer工业相机

Baumer工业相机堡盟相机是一种高性能、高质量的工业相机，可用于各种应用场景，如物体检测、计数和识别、运动分析和图像处理。

Baumer的万兆网相机拥有出色的图像处理性能，可以实时传输高分辨率图像。此外，该相机还具有快速数据传输、低功耗、易于集成以及高度可扩展性等特点。

Baumer工业相机通过使用BGAPI SDK进行开发时，可以联合OpenCV实现图像的拼接转换和显示。

Baumer工业相机SDK联合OpenCVSharp的技术背景

Baumer工业相机SDK是一种软件开发工具包，用于与工业相机通信和图像采集。这些SDK通常包含驱动程序和API，可以让开发人员使用多个编程语言（例如C++、C#、Python）编写应用程序。它们也提供了许多图像参数和相机参数的控制选项，以便满足各种应用需求。

OpenCV是一种流行且广泛使用的计算机视觉库，提供了大量的图像处理和计算机视觉算法，例如图像过滤、特征提取、目标检测等。OpenCV可以与工业相机SDK集成，以便对从相机采集的图像进行处理和分析。

联合使用工业相机SDK和OpenCV，开发人员可以实现更高级别的图像处理和视觉分析应用。例如，他们可以使用工业相机SDK实现图像采集和实时显示，然后使用OpenCV进行图像处理和物体检测。他们还可以使用OpenCV的计算机视觉算法来实现特定应用，例如质量控制、机器人视觉导航和自动识别等。

这里主要描述如何在C#的平台下实现通过BGAPI SDK和OpenCV进行图像转换的核心代码，本文的回调函数将实现拼接四张图像并进行显示的功能。

代码分析

本文介绍使用BGAPI SDK对Baumer的JPEG工业相机进行开发时，使用通过BGAPI SDK和OpenCVSharp进行图像拼接并显示图像的功能

1.引用合适的类文件

C++环境下核心代码如下所示：
.h文件

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<opencv2\opencv.hpp>

.cpp文件

#pragma comment(lib, "opencv_world341.lib")
#pragma comment(lib, "opencv_world341d.lib")

2.在回调函数里进行Buffer图像转换并进行拼接

后续进行图像转换为OpenCV库的Mat图像并进行拼接和显示的核心代码，如下所示：

void BGAPI2CALL BufferHandler( void * callBackOwner, Buffer * pBufferFilled )
{
    
    
	CGigeDemoDlg* pDlg = (CGigeDemoDlg*)callBackOwner;
	unsigned char* imagebuffer = NULL;
	USES_CONVERSION;
	try
	{
    
    
		if(pBufferFilled == NULL)
		{
    
    

		}
		else if(pBufferFilled->GetIsIncomplete() == true)
		{
    
    
			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
		else
		{
    
    
			
			pDlg->FrameID= pBufferFilled->GetFrameID();                                                 //获取当前图像FrameID显示帧率

			int width = 0, height = 0;
			width = (int)pBufferFilled->GetWidth();height = (int)pBufferFilled->GetHeight();			//获取当前图像像素长宽
			CString PixelFormat1 = (CString)pBufferFilled->GetPixelFormat();							//获取当前图像像素格式				
			imagebuffer = (BYTE*)((bo_int64)pBufferFilled->GetMemPtr()+pBufferFilled->GetImageOffset());//获取当前图像数据
					



			#pragma  region //保存图像功能
			if(pDlg->m_bSaveImage &&!pDlg->m_strDirectory.IsEmpty())
			{
    
    
				/*CTime time = CTime::GetCurrentTime(); 
				CString strtime;
				strtime.Format(_T("\\%4d%2d%2d%2d%2d%2d"),time.GetYear(),time.GetMonth(),time.GetDay(),time.GetHour(),time.GetMinute(),time.GetSecond());
				CString  strpath = pDlg->m_strDirectory+strtime+".jpg";
				pDlg->SaveImageMono(strpath, imagebuffer,width,height);*/
				pDlg->m_bSaveImage = false;

				#pragma region 相机中内存图像数据转换为opencv里的Mat数据
				CTime time = CTime::GetCurrentTime(); 
				CString strtime;
				strtime.Format(_T("\\%4d%2d%2d%2d%2d%2d"),time.GetYear(),time.GetMonth(),time.GetDay(),time.GetHour(),time.GetMinute(),time.GetSecond());
				CString strpath2 =_T("C:\\Users\\BAUMER\\Desktop\\")+strtime+"Mat.jpg";
				cv::String cvstrpath = W2A(strpath2);
				cv::Mat* imgbuf2 = new cv::Mat((int)pBufferFilled->GetHeight(),(int)pBufferFilled->GetWidth(),CV_8UC1,(char *)pBufferFilled->GetMemPtr());
				cv::Mat imOriginal2 = cv::imdecode(*imgbuf2, CV_LOAD_IMAGE_GRAYSCALE); //将Mat指针数据转换为Mat数据
				cv::imwrite(cvstrpath, *imgbuf2); //保存图片
				#pragma endregion

			}
			#pragma endregion 

			Gdiplus::Rect rc = Gdiplus::Rect(0,0,width,height);

			#pragma region 黑白相机代码：像素格式为mono时转Bitmap的代码，彩色相机此处代码不同
			if(pDlg->m_pBitmap == NULL)
			{
    
    
				pDlg->m_pBitmap = new Gdiplus::Bitmap(width,height,PixelFormat8bppIndexed);
			}
			Gdiplus::BitmapData lockedbits;
			Gdiplus::ColorPalette * pal = (Gdiplus::ColorPalette*)new BYTE[sizeof(Gdiplus::ColorPalette)+255*sizeof(Gdiplus::ARGB)];
			pal->Count=256;
			for(UINT i=0;i<256;i++)
			{
    
    
				UINT color=i*65536+i*256+i;
				color= color|0xFF000000;
				pal->Entries[i]=color;
			}			
			pDlg->m_pBitmap->SetPalette(pal);
			Gdiplus::Status ret = pDlg->m_pBitmap->LockBits(&rc,Gdiplus::ImageLockModeWrite,PixelFormat8bppIndexed,&lockedbits);
			BYTE* pixels = (BYTE*)lockedbits.Scan0;
			BYTE* src = (BYTE*)imagebuffer;//这里将使用转换后的数据imagebuffer2
			for (int row = 0; row < height; ++row) 
			{
    
    
				CopyMemory(pixels, src, lockedbits.Stride);
				pixels += width;
				src += width;
			}
			pDlg->m_pBitmap->UnlockBits(&lockedbits);
			#pragma endregion 
			
			#pragma region //在C++中对图像使用opencv的拼接算法转换
			cv::Mat* imgbufnew = new cv::Mat((int)pBufferFilled->GetHeight(),(int)pBufferFilled->GetWidth(),CV_8UC1,(char *)pBufferFilled->GetMemPtr());
			cv::Mat imOriginalnew = cv::imdecode(*imgbufnew , CV_LOAD_IMAGE_GRAYSCALE); //将Mat指针数据转换为Mat数据
			cv::Mat imConvertnew;
			
			cv::Mat  Matgray2 = imOriginalnew ;
			cv::Mat  Matgray3 = imOriginalnew ;
			cv::Mat  Matgray4 = imOriginalnew ;

			cv::Mat panorama1;
			cv::Mat panorama2;
			
			cv::VConcat(Matgray1, Matgray2, &panorama1);
			cv::VConcat(Matgray3, Matgray4, &panorama2);
			cv::HConcat(panorama1, panorama2, &imConvertnew);
			
			
			// 转换成Gdiplus::Bitmap对象			
			Gdiplus::Bitmap* bitmapImage = new Gdiplus::Bitmap(imConvertnew.cols, imConvertnew.rows,  imConvertnew.cols, PixelFormat8bppIndexed, (BYTE*)imConvertnew.data);
			pDlg->m_pBitmap = bitmapImage;
			#pragma endregion 


			#pragma region //将图像显示在PictureControl控件上
			HDC hDC = ::GetDC(pDlg->m_stcPicture.m_hWnd);
			Gdiplus::Graphics GdiplusDC(hDC);
			CRect rcControl;
			pDlg->m_stcPicture.GetWindowRect(&rcControl);
			Gdiplus::Rect rtImage(0,0,rcControl.Width(),rcControl.Height());
			GdiplusDC.DrawImage(pDlg->m_pBitmap,rtImage,0,0,width,height, Gdiplus::UnitPixel);
		
			delete []pal;
			::ReleaseDC(pDlg->m_stcPicture.m_hWnd,hDC);

			delete pDlg->m_pBitmap ;
			pDlg->m_pBitmap =NULL;
			#pragma endregion 

			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
	}
	catch (BGAPI2::Exceptions::IException& ex)
	{
    
    
		CString str;
		str.Format(_T("ExceptionType:%s! ErrorDescription:%s in function:%s"),ex.GetType(),ex.GetErrorDescription(),ex.GetFunctionName());		
	}	
}

3.OpenCV进行图像拼接的具体应用

C++调用代码如下所示：

#region//对四张图像进行基础拼接
cv::Mat* imgbufnew = new cv::Mat((int)pBufferFilled->GetHeight(),(int)pBufferFilled->GetWidth(),CV_8UC1,(char *)pBufferFilled->GetMemPtr());
cv::Mat imOriginalnew = cv::imdecode(*imgbufnew , CV_LOAD_IMAGE_GRAYSCALE); //将Mat指针数据转换为Mat数据
cv::Mat imConvertnew;
			
cv::Mat  Matgray2 = imOriginalnew ;
cv::Mat  Matgray3 = imOriginalnew ;
cv::Mat  Matgray4 = imOriginalnew ;

cv::Mat panorama1;
cv::Mat panorama2;
			
cv::VConcat(Matgray1, Matgray2, &panorama1);
cv::VConcat(Matgray3, Matgray4, &panorama2);
cv::HConcat(panorama1, panorama2, &imConvertnew);
#endregion

工业相机图像通过OpenCV转为Mat图像的优点

低水平图像处理： OPENCV为低级别的图像处理提供了一套丰富的库。它允许轻松访问图像特征，如对比度、亮度和颜色校正。

实时视频处理：使用OPENCV，你可以实时处理视频流，允许对处理过程进行即时反馈和调整。

精确的物体检测： OPENCV提供先进的物体检测和识别算法，能够准确识别和跟踪视频流中的物体。

高效的硬件利用： OPENCV的设计旨在最大限度地提高硬件利用率，使其成为一个高效的视频处理平台。

跨平台兼容性： OPENCV与多种操作系统兼容，使其易于集成到现有的软件系统中。

总的来说，通过OPENCV将工业相机图像转换为Mat图像，可以实现高效、准确、实时的图像处理和分析，使其成为工业应用的有力工具。

工业相机图像通过OpenCV转为Mat图像的行业应用

自动化生产控制：工业相机可以用于自动化生产控制，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对产品进行检测、分类、计数等操作，实现自动化生产控制。

智能交通：工业相机可以用于智能交通，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对车辆进行识别、计数、跟踪等操作，实现智能交通管理。

医疗影像：工业相机可以用于医疗影像，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对医疗影像进行分析、诊断等操作，提高医疗诊断的准确性和效率。

物流仓储：工业相机可以用于物流仓储，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对物流仓储过程进行监控、管理、智能化等操作，提高物流仓储效率和安全性。

视频监控：工业相机可以用于视频监控，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对视频图像进行分析、识别、跟踪等操作，实现智能化视频监控。