Blob分析实例-检测正面的瓶盖

功能：检测出图中正面的瓶盖位置

1、读取图像。在之前的章节已经讲过，程序代码如下：

2、图像灰度化。灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。调用函数“rgb1_to_gray（）”进行灰度化处理，并显示灰度图像

函数：rgb1_to_gray(RGBImage : GrayImage : : )

功能：把一张RGB图像转化为灰度图像

参数：RGBImage:输入的RGB图像

GrayImage：输出，得到的灰度图像

3、图像二值化。图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。

     选择菜单栏中【打开灰度直方图】，弹出“灰度直方图”界面，选择【阈值】，拖动阈值线至合适的位置，选择【插入代码】，关闭界面。

函数：threshold(Image :Region : MinGray, MaxGray : )

功能：将图像根据灰度值二值化

参数：Image：需要进行二值化的图像

Region：输出，二值化后的结果区域

MinGray：最小灰度值，默认128

MaxGray：最大灰度值，默认255，必须大于MinGray

4、二值化之后的图像，会发现有几个连通区域，但如果不进行任何处理，此时在halcon中，它会认为是一个连通区域。因此，需要插入connection（）函数

函数：connection(Region : ConnectedRegions : : )

功能：计算出区域中连接的部分

参数： Region：要计算的区域

ConnectedRegions：输出，计算后的Region数组，相连的部分将被划分为一个区域，会以不同颜色加以区分

5、选出正面瓶盖。至此，只剩下2个绿色的连通区域，接下来的目标就是将这2个区域分开，首先用“roundness”，拖拽阈值线至合适位置。通过“roundness”筛选之后，上面的绿色区域排除掉，但还可能有一些非常小的绿色的圆，因此，再添加一个“area”函数，至此，我们挑选出了一个正面的瓶盖。

函数：select_shape(Regions : SelectedRegions : Features,Operation, Min, Max : )

功能：从一个区域数组中选择出符合某特征条件的区域

参数：Regions：输入的区域数组

SelectedRegions：输出，选出的符合某些特征条件的区域数组

Features：条件特征，详见区域特征说明

Operation：对于符合特征的区域的连接操作，可以是And或者Or

Min：特征的最小值

Max：特征的最大值