仿射变换学习

affine_trans_（iamge,region,xld)：仿射变换-作用到iamge，region、xld等都可以
vector_angle_to_rigid()：得到一个刚性仿射变换矩阵
orientation_region()：得到指定区域的弧度（与x轴正方向的弧度）
hom_mat2d_identity ()：得到一个单位矩阵
hom_mat2d_translate ()：得到一个平移变换矩阵
hom_mat2d_rotate ()：得到一个旋转变换矩阵
hom_mat2d_scale ()：得到一个缩放变换矩阵
 

* 得到充电头区域与x轴正方形的弧度

orientation_region (Regions, Phi)

* 得到充电头的面积和中心点坐标

area_center (Regions, Area, Row, Column)

* 得到一个刚性仿射的变换矩阵
vector_angle_to_rigid (Row, Column, Phi, Row, Column, 0, HomMat2D)

* 根据旋转的变换矩阵进行仿射变换
affine_trans_region (Regions, RegionAffineTrans, HomMat2D, 'nearest_neighbor')

* 得到一个单位矩阵
hom_mat2d_identity (HomMat2DIdentity)

* 得到一个平移的变换矩阵
hom_mat2d_translate (HomMat2DIdentity, 500, 500, HomMat2DTranslate)

* 得到一个平移加旋转的变换矩阵
hom_mat2d_rotate (HomMat2DTranslate, rad(-90), Column, Row, HomMat2DRotate)

* 得到一个平移、旋转、缩放的变换矩阵
hom_mat2d_scale (HomMat2DRotate, 0.5, 0.5, Column, Row, HomMat2DScale)

* 根据变换矩阵进行仿射变换
affine_trans_region (RegionAffineTrans, RegionAffineTrans1, HomMat2DScale, 'nearest_neighbor')
 

*对匹配到的中心与模板的中心求取映射关系:仿射变换 
    vector_angle_to_rigid(Row_model,Column_model,rad(0),Row,Column,Angle,HomMat2D)
    *根据映射关系求出模板对应的图像范围
    affine_trans_region(ROI_region,RegionAffineTrans,HomMat2D,'nearest_neighbor')
 

模板匹配
*读取并显示图像；
*确定模板ROI及检测ROI；
*创建模型；
*匹配模板；
*ROI仿射变换，得到ROI位置

dev_update_off()
dev_close_window ( )

*#读取整个文件夹的图像
*1 列出指定路径下的文件
list_files ('./Files', 'files', Files)
tuple_regexp_select (Files, '\\.jpg$', Files)
read_image (Image, Files[0])

dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
dev_display (Image)

*2 根据模板形状创建相应区域
read_image (T, './moban/moban_1.jpg')

get_image_size (T, Width, Height)
dev_set_color ('red')

*圆形
gen_circle (shape, 2093, 1630, 1773)
*矩形
*gen_rectangle1 (shape, 164.5, 126.5, 323, 476.5)

*多边形轮廓
*dev_set_color ('green')
*dev_set_line_width (3)
*坐标数组
*rows1:=[20,100,100,20,20]
*cols1:=[20,20,250,250,20]
*radius:=[20,20,20,20,20]
*rows2:=[20,20,100,100,20]
*cols2:=[320,550,550,320,320]
*带圆角的多边形轮廓
*gen_contour_polygon_rounded_xld (Contour, rows1, cols1, radius, 1)
*不带圆角的多边形轮廓
*gen_contour_polygon_xld (Contour1, rows2, cols2)
*生成十字形状
*gen_cross_contour_xld( : Cross : Row, Col, Size, Angle :)

*3 将模板从所在区域分离
* read_image (image, 'D:/0halcon/demo/20220425/2.jpg')*可以选择一个文件
*opening_circle (Image, RegionOpening, 3.5)
reduce_domain (Image, shape, ImageReduced)

*4 创建模板
*圆用create_shape_model (ImageReduced, 'auto', -0.39, 0.79, 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)
create_shape_model (ImageReduced, 4, rad(0), rad(360), 'auto', 'auto', 'use_polarity', 30, 10, ModelID)
*算子原型：create_shape_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, Optimization, Metric, Contrast, MinContrast : ModelID)
*–Template ：用于创建模板的图像，是原图的模板ROI区域；
*–NumLevels：金字塔层的最大层数；
*–AngleStart：模板的最小旋转角度，以弧度为单位；
*–AngleExtent：旋转角度范围，必须≥0，以弧度为单位；如果超出角度范围，则模型搜索不到
*–AngleStep：角度步长，以弧度为单位；
*–Optimization：生成模型的优化方法；
*–Metric：模板匹配的条件，在模板与图像亮暗发生反转时可使用；
*–Contrast：创建模型时，模型点的对比度；
*–MinContrast ：在搜索的图像中，搜索对象的最小对比度，必须＜Contrast；
*–ModelID：模型的句柄。

*5 设置原点
area_center (shape, Area, Row1, Column1)
set_shape_model_origin (ModelID, Row1, Column1)
*set_shape_model_origin (ModelID, -Row, -Column)

*6 获取初始模板轮廓
get_shape_model_contours (ModelContours, ModelID, 1)

dev_set_color ('red')
dev_set_draw ('margin')
dev_display (ModelContours)
 
*7 匹配模板 
for Index := 0 to |Files|-1 by 1
    read_image (Image, Files[Index])
    *7.1在另一幅图中查找对应区域  //进行模板匹配找模板
    *开运算
    *opening_rectangle1 (Image, RegionOpening, Width, Height)

    find_shape_model (Image, ModelID, 0, rad(360), 0.4, 1, 0.5, 'least_squares', 0, 0.7, Row3, Column3, Angle, Score)
    *算子原型：find_shape_model(Image : : ModelID, AngleStart, AngleExtent, MinScore, *NumMatches, MaxOverlap, SubPixel, NumLevels, Greediness : Row, Column, Angle, Score)*
    *– Image ：输入图像；
    *–ModelID：模型的句柄；
    *–AngleStart：模板的最小旋转角度，以弧度为单位；
    *–AngleExtent：旋转角度范围，必须≥0，以弧度为单位；如果超出角度范围，则模型搜索不到
    *–MinScore：要搜索到的模型实例的最小得分，如果低于此分数，则搜索不到；
    *–NumMatches：要搜索到的模型实例的个数；
    *–MaxOverlap：要找到的模型实例的最大重叠；
    *–SubPixel：确定找到的目标是否使用亚像素精度提取；
    *–NumLevels：搜索过程中使用的金字塔级别的数量 ；
    *–Greediness ：搜索启发式的“贪婪度”，(0：安全但缓慢；1：快，但可能匹配不到)
    *–Row：找到的模型实例的行坐标，坐标值是找到模板的原点在图像坐标系中的行坐标；
    *–Column：找到的模型实例的列坐标，坐标值是找到模板的原点在图像坐标系中的列坐标；
    *–Angle：找到的模型实例的角度；
    *–Score： 找到的模型实例的分数。
    
    *7.2坐标转行，得到模板的ROI和检测ROI，确定匹配位置的轮廓
    *7.2.1 先获取模板轮廓，获取轮廓在(0,0)位置；
    *7.2.2：求模板匹配实例---的旋转矩阵；    
    *7.2.3：利用仿射变换---得到匹配实例--轮廓；    
    *7.2.4：轮廓转成区域；
    if (Row3>=0) //如果找到模板数>0
        *显示找到的--模板轮廓
        dev_display_shape_matching_results (ModelID, 'red', Row3, Column3, Angle, 1, 1, 0)
        
        *循环遍历每个查到的实例
        for I := 0 to |Score| - 1 by 1
            
            vector_angle_to_rigid (Row3, Column3, Angle, Row3, Column3, Angle, HomMat2D1)
            *算子原型：vector_angle_to_rigid( : : Row1, Column1, Angle1, Row2, Column2, Angle2 : HomMat2D)
            *–Row1：原始点的行坐标；
            *–Column1：原始点的列坐标；
            *–Angle1：原始点的角度；
            *–Row2：变换点的行坐标；
            *–Column2：变换点的列坐标；
            *–Angle2：变换点的角度；
            *–HomMat2D：输出的变换矩阵。
            
            *给旋转矩阵添加缩放信息
            hom_mat2d_scale (HomMat2D1, 2, 2, Column3, Row3, HomMat2DScale)
            
            *通过初始模板和旋转矩阵运算---得到模板实例轮廓
            affine_trans_contour_xld (ModelContours, ContoursAffineTrans, HomMat2DScale)
            
            *轮廓转区域
            gen_region_contour_xld (ContoursAffineTrans, Region, 'filled')
            
            *得到匹配图像的轮廓线
            affine_trans_contour_xld (ContoursAffineTrans, ContoursAffineTrans1, HomMat2DScale)
            affine_trans_region (Region, RegionAffineTrans, HomMat2DScale, 'nearest_neighbor')

        endfor
        *dev_set_color ('red')
        *dev_display (RegionAffineTrans)
   
        
     endif
     
endfor
  
**获取指定轮廓上点的像素坐标
*get_contour_xld (ContoursAffineTrans, Row1, Col)
 

 
dev_close_window ()
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
read_image (Car, 'D:/Camera/test/image/car3.jpg')
decompose3 (Car, R, G, B)
trans_from_rgb (R, G, B, H, S, V, 'hsv')
* emphasize (S, ImageEmphasize, 7, 7, 5)
invert_image (S, ImageInvert)
threshold (ImageInvert, Regions1, 0, 137)
fill_up (Regions1, RegionFillUp1)
connection (RegionFillUp1, ConnectedRegions2)
select_shape (ConnectedRegions2, SelectedRegions1, 'area', 'and', 14935.1, 74489.8)
shape_trans (SelectedRegions1, RegionTrans, 'convex')
area_center (RegionTrans, Area, Row, Column)
orientation_region (RegionTrans, Phi)
vector_angle_to_rigid (Row, Column, Phi, Row, Column, rad(180), HomMat2D)
*  affine_trans_image (ImageReduced, ImageAffineTrans, HomMat2D, 'constant', 'false')
 affine_trans_region (RegionTrans, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
 
 affine_trans_image (Car, CarAffineTrans, HomMat2D, 'constant', 'false')
 
 reduce_domain (CarAffineTrans, RegionAffineTrans, ImageReduced)
 
 rgb1_to_gray (ImageReduced, GrayImage)
 
 
threshold (GrayImage, Regions, 62, 249)
 
connection (Regions, LetterRegions)
 
opening_rectangle1 (LetterRegions, RegionOpening, 4, 4)
 
 
select_shape (RegionOpening, SelectedRegions, ['area','height'], 'and', [343.12,62], [2000,88.257])
 
sort_region (SelectedRegions, SortedRegions, 'character', 'true', 'column')
read_ocr_class_mlp ('Industrial_0-9A-Z_NoRej.omc', OCRHandle)
invert_image (CarAffineTrans, CarImageInvert)
do_ocr_multi_class_mlp (SortedRegions, CarImageInvert, OCRHandle, Class, Confidence)
disp_message (WindowHandle, Class, 'window', 12, 12, 'black', 'true')