转载【Halcon】select_shape_proto算子的几种特征模式含义解析

select_shape_proto是一个非常有用的region筛选算子,但是由于难以理解,因此一般人使用得不是太多。

算子签名如下:

select_shape_proto(Regions, Pattern : SelectedRegions : Feature, Min, Max : )

其中Feature可以取这7种模式:'distance_center'、'distance_contour'、'distance_dilate'、'fits'、'overlaps_rel'、'overlaps_abs'、'covers'。

下面逐个解析。

提供一张图供读者研究验证:

select_shape_proto(Regions, Pattern, SelectedRegions, 'distance_center', 0 ,60)

distance_center:判断Regions中每个region的中心(area_center)距离Pattern中心的距离,MinMax控制距离的下限和上限,可以取负数


distance_contour:判断Regions中每个region的边缘距离Pattern边缘的距离,MinMax控制距离的下限和上限,可以取负数

需要注意的是,如果Pattern中的区域是不连续的,也就说Pattern通过connection操作以后可以变成多个region,那么此时'distance_center'、'distance_contour'模式的筛选结果较难预料,要尽量避免这种情况。例如下面这样的Pattern:

distance_dilate:distance_contour极为类似,当Pattern的膨胀量为Min~Max中的某个值时,Regions中刚好(注意“刚好”这两个字)能与Pattern有交集的region被选出。在计算方法上与'distance_contour'模式有极细微的区别,更大的区别是——如果Pattern中的区域不连续,也不影响'distance_dilate'模式的这一特性。

但是'distance_dilate'模式有个非常严重的缺点,当Regions中的元素非常多(例如超过50个)的时候,该模式下整个算子执行时间非常长,经常超过1秒钟。此时如果用'distance_contour'模式设法实现类似的功能,效率远高于'distance_dilate'模式。

select_shape_proto(Regions, Pattern, SelectedRegions, 'fits', Min, Max )

fits:判断Regions中每个region通过平移(shift,不能旋转)能不能完全盖住(fit)Pattern,如果能,则将这些region筛选出来;这里参数'Min'、'Max'无效

(图中三个大的矩形和红色圆平移以后都能完全盖住蓝色的小矩形Pattern,因此被选出)

select_shape_proto(Regions, Pattern, SelectedRegions, 'overlaps_rel', 5 ,6)

overlaps_rel:根据Pattern和Regions中每个region的重叠部分进行筛选,overlaps_rel定义为重叠部分面积和当前region面积的比值,用于筛选的重叠比例由参数'Min''Max'控制,有效取值为0-100

(图中红色矩形和大圆('margin形式表示')的重叠部分占红色矩形的比例为5.76875%,刚好位于Min和Max之间,因此被选出)


overlaps_abs:overlaps_rel类似,不过由比值(相对值)改成了重叠的绝对值,即重叠的像素面积

covers:看了半天、试了半天,没搞懂这个模式的规律,以后再说。

使用经验:就我个人来说,我觉得这7种特征模式中'distance_center'、'distance_contour'、'distance_dilate'、'overlaps_rel'最有用。

作者: xh6300

--------------------------------------------

如果您认为文章对您有帮助,可以点击下方的【好文要顶】或【关注我】;如果您想进一步表示感谢,可以通过网页右侧的【打赏】功能对我进行打赏。感谢您的支持,我会继续写出更多对大家有帮助的文章!文章有不理解的地方欢迎跟帖交流,博主经常在线!^_^

0
0
« 上一篇: Photoshop中的高斯模糊、高反差保留和Halcon中的rft频域分析研究
» 下一篇: 简单拼接图像的tile_images和tile_images_offset算子
<div class="postDesc">posted on <span id="post-date">2017-03-30 20:50</span> <a href="https://www.cnblogs.com/xh6300/">xh6300</a> 阅读(<span id="post_view_count">1801</span>) 评论(<span id="post_comment_count">2</span>)  <a href="https://i.cnblogs.com/EditPosts.aspx?postid=6648435" rel="nofollow">编辑</a> <a href="#" onclick="AddToWz(6648435);return false;">收藏</a></div>

猜你喜欢

转载自blog.csdn.net/learyuan/article/details/86465981