模板匹配进阶(一)与卡尺进行抓边

简介: 模板匹配进阶(一)与卡尺进行抓边
*传入第一张图片做模板
read_image (Image, 'C:/Users/Maxwell/Desktop/模板匹配testimage/1.jpg')
rgb1_to_gray (Image, GrayImage)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (GrayImage)
dev_set_draw ('margin')
*draw_rectangle2 (WindowHandle, Row1, Column1, Phi, Length1, Length2)
gen_rectangle2 (Rectangle, 2258.64, 893.313, -0.0, 228.375, 179.435)
reduce_domain (GrayImage, Rectangle, ImageReduced)
create_shape_model (ImageReduced, 'auto', rad(0),rad(360), 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
row1:=2468
col1:=1396
row2:=2517
col2:=2918
gen_region_line (RegionLines, row1, col1, row2, col2)
* Image Acquisition 01: Code generated by Image Acquisition 01
list_files ('C:/Users/Maxwell/Desktop/模板匹配testimage', ['files','follow_links'], ImageFiles)
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)
for Index := 0 to |ImageFiles| - 1 by 1
    dev_set_color ('green')
    dev_set_line_width (3)
    read_image (Image_t, ImageFiles[Index])
    rgb1_to_gray (Image_t, GrayImage_t)
    find_shape_model (GrayImage_t, ModelID, rad(0), rad(360), 0.1, 1, 0.5, 'least_squares', 0, 0.5, Row, Column, Angle, Score)
    vector_angle_to_rigid (2258.64, 893.313, 0, Row, Column, Angle, HomMat2D)
    affine_trans_region (Rectangle, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
    * 卡尺找直线
    affine_trans_point_2d (HomMat2D, row1, col1, row1_t, col1_t)
    affine_trans_point_2d (HomMat2D, row2, col2, row2_t, col2_t)
    
    Lineparam:=[row1_t, col1_t, row2_t, col2_t]
    gen_region_line (RegionLines, row1_t, col1_t, row2_t, col2_t)
    * 创建测量句柄
    create_metrology_model (MetrologyHandle)
    * 设置计量模型图像大小
    get_image_size (GrayImage, Width, Height)
    set_metrology_model_image_size (MetrologyHandle, Width, Height)
    
    *                                                                   卡尺高   卡尺宽   sigma   阈值
    add_metrology_object_generic (MetrologyHandle, 'line', Lineparam,   150,   3,        1,      10, \
                              'measure_transition', 'positive', Index1)
    * 执行测量,获取边缘点集
    apply_metrology_model (GrayImage, MetrologyHandle)
    get_metrology_object_measures (Contours1, MetrologyHandle, 'all', 'all', Row1, Column1)
    
    *获取找到的点位
    gen_cross_contour_xld (Cross1, Row1, Column1, 6, 0.785398)
    * 获取最终测量数据和轮廓线
    *获取结果
    get_metrology_object_result (MetrologyHandle, 'all', 'all', 'result_type', 'all_param', Parameter)
    *划线
    get_metrology_object_result_contour (ContourOut1, MetrologyHandle, 'all', 'all', 1.5)
    *将轮廓拟合成线
    fit_line_contour_xld (ContourOut1, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)
    * 释放测量句柄
    clear_metrology_object (MetrologyHandle, 'all')
    
    dev_set_color ('blue')
    dev_display (GrayImage_t)
    dev_display (RegionAffineTrans)
    dev_display (ContourOut1)
endfor



 

相关文章
|
9月前
|
自然语言处理 算法 Java
基于Python实现四大名著章节标注汉语拼音
基于Python实现四大名著章节标注汉语拼音
63 0
|
机器学习/深度学习 算法 数据可视化
小白都能看懂!手把手教你使用混淆矩阵分析目标检测
首先给出定义:在机器学习领域,特别是统计分类问题中,混淆矩阵(confusion matrix)是一种特定的表格布局,用于可视化算法的性能,矩阵的每一行代表实际的类别,而每一列代表预测的类别。
1876 0
小白都能看懂!手把手教你使用混淆矩阵分析目标检测
|
9月前
|
计算机视觉
OpenCV(十九):模板匹配
OpenCV(十九):模板匹配
76 0
|
9月前
|
数据安全/隐私保护 计算机视觉 Python
OpenCV中图像的位运算讲解与实战演示(附Python源码 图文解释)
OpenCV中图像的位运算讲解与实战演示(附Python源码 图文解释)
262 0
|
机器学习/深度学习 算法 图计算
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(一)
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(一)
210 0
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(一)
|
算法 计算机视觉
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(三)
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(三)
282 0
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(三)
|
存储 编解码 算法
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(二)
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(二)
301 0
熟练掌握CV中最基础的概念:图像特征,看这篇万字的长文就够了(二)
|
缓存 算法 安全
图像检索方法 | 学习笔记
快速学习图像检索方法,介绍了图像检索方法系统机制, 以及在实际应用过程中如何使用。
图像检索方法 | 学习笔记
|
存储 人工智能 达摩院
第四节课——【图像识别项目及使用说明】(一)|学习笔记
快速学习第四节课——【图像识别项目及使用说明】
|
人工智能 达摩院 JavaScript
第四节课——【图像识别项目及使用说明】(二)|学习笔记
快速学习第四节课——【图像识别项目及使用说明】

热门文章

最新文章