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万兆网相机中LXT.JP图像压缩系列相机是一种预处理相机,在相机内部对图像进行JPEG算法压缩然后再传输到处理器中。
BaumerJPEG工业相机技术背景
Baumer工业相机的JPEG图像压缩功能有助于减少图像文件的大小,同时保持图像质量。这种压缩功能是基于JPEG(联合摄影专家组)压缩标准,该标准被广泛用于数字摄影和图像编辑。
具有JPEG压缩功能的工业相机可以捕捉高分辨率的图像,并将其压缩成较小的文件,从而使图像的存储、传输和处理更加容易。压缩水平和质量可以根据用户的具体需求进行调整。
在工业相机中使用JPEG压缩的一个优点是,它可以帮助减少数据传输时间,这在需要高速图像处理的机器视觉应用中特别重要。此外,较小的文件大小允许更有效地存储和检索图像,这在工业环境中可以节省时间和金钱。
总的来说,JPEG图像压缩功能是工业相机的一个重要功能,有助于提高高分辨率图像的效率、存储和处理。
有关于Baumer工业相机中的JPEG图像压缩相机的介绍,之前已经有相关的技术博客可以参考:
Baumer工业相机堡盟相机如何使用JPEG图像压缩功能(LXT.JP系列相机图像压缩功能的使用和优点以及行业应用)(C++)
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
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OpenCV进行图像转换的功能
第一步:先引用对应的OpenCV的DLL文件
C++环境下引用opencv_world341.dll作为图像处理库代码如下所示:
#pragma comment(lib, "opencv_world341.lib") #pragma comment(lib, "opencv_world341d.lib")
第二步:在回调函数里进行Buffer图像转换为OpenCV图像
后续进行图像转换为OpenCV库的Mat图像的核心代码,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 { //std::cout << " Image " << std::setw(5) << pBufferFilled->GetFrameID() << " received in memory address " << pBufferFilled->GetMemPtr() << std::endl; int width = 0, height = 0; width = (int)pBufferFilled->GetWidth(); height = (int)pBufferFilled->GetHeight(); #pragma region 内存 JPEG 数据转换为 opencv 里的 jpeg 数据 char* image_buffer = (char *)((bo_uint64)(pBufferFilled->GetMemPtr()) + pBufferFilled->GetImageOffset()); int image_length = (int)pBufferFilled->GetImageLength(); cv::Mat * imgbuf = new cv::Mat(cv::Size(1, image_length), CV_8UC1, (char *)image_buffer); convert from JPEG to Bitmap cv::Mat imOriginal = cv::imdecode(*imgbuf, CV_LOAD_IMAGE_GRAYSCALE); 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); 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()); #pragma region//通过获取的Mat图片进行保存 CString strpath2 =_T("C:\\Users\\BAUMER\\Desktop\\")+strtime+"Mat.jpg"; cv::String cvstrpath = W2A(strpath2); cv::imwrite(cvstrpath,*imgbuf2); cv::imwrite(cvstrpath,imOriginal); #pragma endregion #pragma endregion #pragma region//方法一:获取开启JPEG模式后内存数据中有效的像素指针 size_t jpeg_start_offset = GetStartOfJPEGData(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()),pBufferFilled->GetMemSize()); size_t jpeg_end_offset = GetEndOfJPEGData(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()),jpeg_start_offset,pBufferFilled->GetMemSize()); #pragma endregion #pragma region//方法二:获取开启JPEG模式后内存数据中有效的像素指针 size_t jpeg_start_offset2 = pBufferFilled->GetImageOffset(); size_t jpeg_end_offset2 = jpeg_start_offset2+ pBufferFilled->GetImageLength(); #pragma endregion //方法【1】原图像格式转换[Mat] 转 unsigned char*] unsigned char *imagebuffer2 = imOriginal2.data; imagebuffer = (BYTE*)((bo_int64)pBufferFilled->GetMemPtr()+pBufferFilled->GetImageOffset()); //imagebuffer = reinterpret_cast<BYTE*>(pBufferFilled->GetMemPtr()) + jpeg_start_offset,(jpeg_end_offset + 1) - jpeg_start_offset; 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"; //#pragma region//通过流文件的方式将 JPEG 的数据保存为 jpg 文件,但是这种操作是无法将数据转为内存bitmap 的,转换需要第三方软件如 opencv //std::ofstream outfile; //outfile.open(strpath, std::ios_base::binary); //outfile.write(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()) + jpeg_start_offset2,jpeg_end_offset2 - jpeg_start_offset2); //#pragma endregion //#pragma region//通过获取的Mat图片进行保存 //CString strpath2 = pDlg->m_strDirectory+strtime+"Mat.jpg"; //cv::String cvstrpath = W2A(strpath2); //cv::imwrite(cvstrpath,imOriginal); //#pragma endregion //#pragma region//通过原始JPEG数据进行保存,会有灰色条纹 //CString strpath3 = pDlg->m_strDirectory+strtime+"2.jpg"; //pDlg->SaveImage(strpath3, imagebuffer,width,height); //pDlg->m_bSaveImage = false; //#pragma region } Gdiplus::Rect rc = Gdiplus::Rect(0,0,width,height); 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*)imagebuffer2; for (int row = 0; row < height; ++row) { CopyMemory(pixels, src, lockedbits.Stride); pixels += width; src += width; } pDlg->m_pBitmap->UnlockBits(&lockedbits); 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; // 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()); //MessageBox(str); } //return; }
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。