halcon 深度学习能用2080显卡吗 halcon deep learning tool

从今天起不是所有新遇到的函数都加黑体，重要的我会写出参数对象并加粗，不重要的只是文字解释即可

1， autobahn.hdev: Fast detection of lane markers 
控制语句
 
MinSize:=30
 
get_system('init_new_image', Information)

得到当前halcon系统的参数值（这里执行后得到information的值为' true'）

set_system('init_new_image', 'false')
 
gen_grid_region(Grid, MinSize,MinSize,'lines',512,512)
 
gen_grid_region( : RegionGrid : RowSteps, ColumnSteps, Type, Width,Height : )

创建一个网格区域

注意，这里用网格是为了减少处理的内容从而提高速度，如图是后面计算出来的边缘幅值

clip_region(Grid, StreetGrid, 130,10,450,502)
 
把一个region剪切成一个矩形
 
。。。
 
读图并显示剪切后的网格
 
。。。
 
for i:=0 to 28 by 1
 
      read_image( ActualImage, 'autobahn/scene_'+(i$'02'))
 
注意：这里的i$  意义是i的值去两位，即01,  02等等
 
     
 
sobel_amp( Mask, Gradient,'sum_abs', 3)
 
      sobel_amp(Image : EdgeAmplitude : FilterType, Size : )计算边缘的幅值
 
   
 
      dilation_rectangle1(Points, RegionDilation, MinSize, MinSize)
 
       使用矩形模板进行膨胀运算得到如图大致区域

   

reduce_domain(ActualImage, RegionDilation, StripGray)
 
       threshold(StripGray,Strip, 190,255)
 
       把白色的线从候选区域中提取出来
 
  fill_up(Strip,RegionFillUp)
 
      填充内容
 
      显示
 
endfor
 
set_system('init_new_image', ' true' )
 

 
2,  background_seg.hdev 从给定区域中找到背景的连通的区域
 
read_image
 
sobel_amp
 
threshold
 
得到提取出来的边缘Edges
 
background_seg(Edges,BackgroundRegions)
 
background_seg(Foreground : BackgroundRegions : : )
 
注意，这里Edges是前景区域，background_seg是为了根据给定的前景，找出连通的背景。这个操作通常在边缘检测之后（边缘作为前景），利用是否接近来判断连通性（使用4-neighborhood来判断连通与否）
 
fill_up_shape
 

 
3,  bandpass_image.hdev
 
read_image
 
bandpass_image(Bk45,Lines, 'lines')
 
bandpass_image(Image : ImageBandpass : FilterType
 
带通滤波器找出所有的线条（滤波器利用了sobel_amp 来检测线条）
 
threshold(Lines,Region,128,255)
 
skeleton(Region,Skeleton)
 
skeleton(Region : Skeleton : : )
 
检测区域的骨架
 
dev_set_colored(12）
 
gen_contours_skeleton_xld(Skelton,Contours, 5, 'filter')
 gen_contours_skeleton_xld(Skeleton : Contours : Length, Mode : ) 
生成骨架边界线段，这里Length指的是线段最少应该包含的点数，Mode：
 
如果Mode是filter， 直接取边界线存为contours，因为边界线在‘连接会和的点’处被分开，很长的边缘可能被分成几个短的线段。 
 
用‘generalize1’，如果线段长度不够Length，会自动生成满足条件的线段
 
用‘generalize2’，如果一个线段的两端都是‘连接点’，这个线段会保留并且认为是之前的线段的一部分。
 
dev_display显示结果
 

 
4,
 
sobel_amp
 
threshold
 
close_ed ges(Edges, Gradient : ClosedEdges : MinAmplitude : )
 
使用边界的幅值图像来完整边界之间的间隙
 
例子中先把得到的幅值图进行筛选分离，得到可能不完整的contours，这时候需要用完整的幅值图像EdgeImage信息来完善滤波后的边界Edges，从而得到完整的边界信息ClosedEdges
 
close_edges_length(Edges, Gradient : ClosedEdges : MinAmplitude,MaxGapLength : )除了完成上面CloseEdge功能之外， 在MaxGapLength之内（限制作用），有意义的边缘点都会被加入到边界信息中
 

 

 

 
  
5，
  
a）高斯导数滤波用作    平滑滤波器（使用分水岭watershed得到contours）（用于很多小块的图像）  
  

   read_image... 
 
  
derivate_gauss(Meningg5,Smoothed, 2, 'none')
  
derivate_gauss(Image : DerivGauss（这里指输出图像） : Sigma,Component
  
用一个图片Image和一个高斯函数的导数求卷积，从而计算出不同的特征值。sigma控制高斯函数，当sigma为一个值时候，行和列的方向上sigma相同，当sigma为两个值时候，第一个控制列的程度，第二个控制行的程度。‘none’这里指Smoothing only，其余参数请自行查看帮助文档。
  

  
convert_image_type(Smoothed, SmoothedByte,'byte')
  
convert_image_type(Image : ImageConverted : NewType : )转换图像类型
  

  
watersheds(SmoothedByte, Basins, Watersheds)
  
watersheds(Image : Basins, Watersheds
  

   找出图片的分水岭和凹陷块区域,用于图片分割 
 
  
   
  
边缘检测
  

   read_image.... 
 
  
GradientAmp1, 1.5,'gradient')  
  

   threshold.... 
 
  
   
  
c) 高斯导数滤波用作   角检测
  

   derivate(Image, Det, 1.5, 'det') 
 
  

   threshold(Det, Corners, 20, 1000000) 
 
  
   
  
d ) 高斯导数滤波用作   边缘检测( 二阶导数)
  

   derivate_gauss(Image, EdgesAreZero, 3, '2nd_ddg') 
 
  
zero_crossing(EdgesAreZero, Edges)
  
（zero_crossing returns the zero crossings of the input image as a region. A pixel is accepted as a zero crossing if its gray value (in    Image) is zero, or if at least one of its neighbors of the 4-neighborhood has a different sign.  
  
laplace_of_gauss), which were possibly followed by a smoothing operator. In this case, the zero crossings are (candidates for) edges.）
 
6， 各种滤波
diff_of_gauss        +              zero_crossing
 laplace_of_gauss   +             zero_crossing
 derivate_gauss      +             zero_crossing   
 7，显示一个保存边界的XLD对象
  read_image  
edges_sub_pix(Image,Edges, 'mderiche2', 0.7, 10,20)
  
edges_sub_pix(Image : Edges : Filter, Alpha, Low, High : )
  
使用Deriche, Lanser, Shen, or Canny滤波器来精确检测边缘
  

  
edges_image(Image, ImaAmp, ImaDir,'mderiche2', 0.7,'nms',10, 20)
  
使用Deriche, Lanser, Shen, or Canny滤波器来检测边缘,并得到边缘的幅值和方向
  

  
count_seconds(a1)  记录当前时间
  

   disp_xld(Edges, WindowID) 
 
  
count_seconds(a2)
  

   Time：=a2-a1 
 
  

   记录执行下面一步所用的时间 
 
  

  
8, edge_segments.hdev 边缘分割
  

   read_image... 
 
  
get_image_size(Image, Width, Height)
  

   dev_open_window_fit_image 
 
  

   显示 
 
  

   edges_image(Image, ImaAmp, ImaDir,'lanser2', 0.5,'nms',20, 40)   
 
  

   lanser精度很高, 用来计算边界 
 
  
   
  

   threshold 
 
  

   connection 
 
  

   用来提取出边界 
 
  
   
  

   边界的显示： 
 
  

   count_obj(ConnectedRegions, Number) 
 
  

   gen_empty_obj(XLDContours)   用来存储边界 
 
  

   for i:=1 to Number by 1 
 
  
select_obj(ConnectedRegions, SingleEdgeObject, i)
  
Objects : ObjectSelected : Index
  

  
   split_skeleton_lines(SingleEdgeObject, 2, BeginRow, BeginCol, EndRow, EndCol)
  
split_skeleton_lines(SkeletonRegion : : MaxDistance : BeginRow, BeginCol, EndRow, EndCol)
  寻找骨骼线，删除小分支，得到骨骼线的头和尾节点,主意这里可能产生的头和尾是一个数组，其中可能有多个头节点和尾节点
  

            for k:= 0 to |BeginRow|-1 by 1 
  
  
 gen_contour_polygon_xld( Contour,[BeginRow[k], endRow[k]], [BeginCol[k], EndCol[k]])  
  
concat_obj(XLDContours, Contour, XLDContours)
  
Objects1,    Objects2 :    ObjectsConcat
  

             把两个对象连起来 
 
  

            endfor 
 
  

   endfor