Baumer工业相机堡盟相机如何通过OpenCV直接使用图像数据进行图像显示(C++)

简介: Baumer工业相机堡盟相机如何通过OpenCV直接使用图像数据进行图像显示(C++)

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工业相机可以联合OpenCV实现图像的直接显示。


Baumer工业相机SDK联合OpenCV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OpenCV直接将图像指针数据转换为OpenCV数据直接显示的核心代码,


代码分析

本文介绍使用Opencv对Baumer的工业相机进行开发时,使用通过BGAPI SDK和OpenCV直接进行图像显示的功能


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OpenCV直接使用图像数据进行图像显示

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* buffer_pointer = buffer_filled->GetMemPtr();
uint64_t buffer_size = buffer_filled->GetSizeFilled();
BGAPI2::Image* image = image_processor->CreateImage(image_width, image_height,
    pixel_format, buffer_pointer, buffer_size);
CheckAndFixRoi(&roi, image_width, image_height);
#if USE_OPENCV
// Display the image
if (pixel_format == "Mono8") {
    ShowImage(buffer_pointer, image_width, image_height, CV_8UC1, &roi);
} else {
    // Convert to BGR8
    const size_t size = static_cast<size_t>(image->GetTransformBufferLength("BGR8"));
    char* mem_buffer = new char[size];
    if (mem_buffer) {
        image_processor->TransformImageToBuffer(image, "BGR8", mem_buffer, size);
        ShowImage(mem_buffer, image_width, image_height, CV_8UC3, &roi);
        delete[] mem_buffer;
    }
}
#endif
#ifdef USE_OPENCV  // OpenCV
//---------------------------------------------------------------------------------------------------------------------
// If the example is compiled with OpenCV this method is used to show the images from the camera
void ShowImage(void* buffer, int64_t width, int64_t height, int type, ROI* roi) {
  cv::Mat img(static_cast<int>(height), static_cast<int>(width), type, buffer, cv::Mat::AUTO_STEP);
    if (roi) {
        cv::rectangle(
            img,
            cv::Point(static_cast<int>(roi->x + 1), static_cast<int>(roi->y + 1)),
            cv::Point(static_cast<int>(roi->x + roi->width - 2), static_cast<int>(roi->y + roi->height - 2)),
            cv::Scalar(255, 0, 255),
            3
        );
    }
    static int showtest = 0;
    if (!showtest++) {
        cv::namedWindow("Test Image", cv::WINDOW_NORMAL);
        cv::moveWindow("Test Image", 100, 100);
        cv::resizeWindow("Test Image", 1000, 800);
    }
    cv::imshow("Test Image", img);
    cv::waitKey(1);
}
#endif  // USE_OPENCV   // OpenCV
// Checks, if the choosen Region of Interest fits the camera sensor.
// If it is outside the sensor, it will be reduced to fit.
bool CheckAndFixRoi(ROI* roi, int64_t width, int64_t height) {
    bool result = false;
    if (roi) {
        result = true;
        if (roi->x <= 0) {
            result = false;
            roi->x = 0;
        }
        if (roi->y <= 0) {
            result = false;
            roi->y = 0;
        }
        if (roi->width <= 0 || roi->width > width - roi->x) {
            result = false;
            roi->width = width - roi->x;
        }
        if (roi->height <= 0 || roi->height > height - roi->y) {
            result = false;
            roi->height = height - roi->y;
        }
    }
    return result;
}
// This example uses a Software Trigger to get images from the camera. This method will trigger regularly using 
// a separate thread to trigger and calculate in parallel.
void SoftwareTriggerThread(BGAPI2::Device* device, int64_t time_delay) {
    std::this_thread::sleep_for(std::chrono::milliseconds(time_delay));
    device->GetRemoteNode("TriggerSoftware")->Execute();
}

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。

目录
相关文章
|
2月前
|
计算机视觉
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
这篇文章详细介绍了OpenCV库中的图像二值化函数`cv2.threshold`,包括二值化的概念、常见的阈值类型、函数的参数说明以及通过代码实例展示了如何应用该函数进行图像二值化处理,并展示了运行结果。
588 0
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
|
3月前
|
算法 计算机视觉
opencv图像形态学
图像形态学是一种基于数学形态学的图像处理技术,它主要用于分析和修改图像的形状和结构。
56 4
|
4月前
|
计算机视觉 Windows Python
windows下使用python + opencv读取含有中文路径的图片 和 把图片数据保存到含有中文的路径下
在Windows系统中,直接使用`cv2.imread()`和`cv2.imwrite()`处理含中文路径的图像文件时会遇到问题。读取时会返回空数据,保存时则无法正确保存至目标目录。为解决这些问题,可以使用`cv2.imdecode()`结合`np.fromfile()`来读取图像,并使用`cv2.imencode()`结合`tofile()`方法来保存图像至含中文的路径。这种方法有效避免了路径编码问题,确保图像处理流程顺畅进行。
442 1
|
3月前
|
存储 计算机视觉
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
本文介绍了使用OpenCV进行图像读取、显示和存储的基本操作,以及如何绘制直线、圆形、矩形和文本等几何图形的方法。
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
|
4月前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
WK
|
4月前
|
编解码 计算机视觉 Python
如何在OpenCV中进行图像转换
在OpenCV中,图像转换涉及颜色空间变换、大小调整及类型转换等操作。常用函数如`cvtColor`可实现BGR到RGB、灰度图或HSV的转换;`resize`则用于调整图像分辨率。此外,通过`astype`或`convertScaleAbs`可改变图像数据类型。对于复杂的几何变换,如仿射或透视变换,则可利用`warpAffine`和`warpPerspective`函数实现。这些技术为图像处理提供了强大的工具。
WK
133 1
|
4月前
|
存储 算法 C++
C++ STL应用宝典:高效处理数据的艺术与实战技巧大揭秘!
【8月更文挑战第22天】C++ STL(标准模板库)是一组高效的数据结构与算法集合,极大提升编程效率与代码可读性。它包括容器、迭代器、算法等组件。例如,统计文本中单词频率可用`std::map`和`std::ifstream`实现;对数据排序及找极值则可通过`std::vector`结合`std::sort`、`std::min/max_element`完成;而快速查找字符串则适合使用`std::set`配合其内置的`find`方法。这些示例展示了STL的强大功能,有助于编写简洁高效的代码。
58 2
|
6月前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
223 1
|
6月前
|
运维 算法 计算机视觉
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
91 1
|
6月前
|
存储 编解码 算法
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
116 0