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。
