halcon显示如何删除显示痕迹

来源：蜘蛛抓取(WebSpider) 时间：2016-04-29 05:33 标签： halcon显示

       通常情况下，当我们抓取帧的时候是从一个连续的视频流序列中去抓取一个或者多个视频帧。尽管近来有许多专业设备使用数字信号，但大多数情况下，视频信号是模拟信号（analog）。最常见的模拟视频格式是

这两种格式都是彩色视频信号，还有许多图像获取设备尽管有一个彩色视频信号，但是只传输灰度图像。下面让我们假设使用的是模拟信号的图像采集卡。

 让我们看一下模拟信号：实际上它由许多不同信号组成，有垂直或者水平的同步信号，原始数据信号。有时，彩色和亮度大的信号是混合信号，他们在不同的输入频道上传送（RGB）。因为在录像时帧抓取是同步的，所以它必须等到下一个垂直同步信号到达才开始抓取新的图像。当随机抓取一帧图像时会引起一个大约半帧时间的延迟。如下图，也就是说，你如果想节省时间的话必须在抓完前一帧的情况下紧接着抓取下一帧。但是这样做的结果就是，我们没有时间去处理图像。在这种同步模式下，上位机只顾着发送抓取图像的命令而没有时间去处理图像。因此，Halcon也支持异步抓取。

       为了明白什么是异步抓取，我们先来看一下图像采集设备对于采集到的帧到底做了什么。明白这个很简单，一个数字化的帧必须存储在一些存储器里。基本上有三种类型的存储器：

  1. 图像采集设备里的存储器

       第一个是挂载在存储设备主板上的专用存储器。这样的话，图像采集设备可以直接把获取的图像存储在自己的存储器里，并且上位机的每一个处理步骤都可以在任何时候获取到数据。另一方面，它的存储大小是固定的。而且很小，很难存储许多张图片。如果它很大，那么主板将会非常的贵。

       上位机的存储器是一个被帧抓取设备驱动动态分配的未分页系统存储。因此，存储大小可以很容易的调整。但是另一方面，如果图像采集设备频繁的往上位机存储设备里传送，这很容易造成数据拥塞。因此，我们通常情况下不使用一些图像采集设备里连续抓取图像模式，而是根据需求来抓取图像。

       主存是用户分配的在应用的地址空间的某个地方。因为主存是可分页的，因此在通常情况下从图像采集设备传送的图像都会准确的复制到他的存储区（除非DMA失败）。

 上位机的工作，就是上面提到的那样，发出命令，当需要采集一张新的图像时触发采集设备，但是它没有必要在设备数字化帧的时候去等待。当使用片上存储时，很明显上位机会这样工作，但是当存储系统是上位机上的存储器时，如果要实现上述的功能，很可能就要使用DMA技术。所以上位机唯一要做的事情就是在需要采集图像之前提前一点五帧的时间出发图像采集。这个技术就叫做异步抓取。在很容易明白这就是可以说是实时抓取，应为我们抓取图像的时间（PAL40毫秒，NTSC33毫秒）比在视频中两个帧中间隔时间长很多。

       许多的图像采集设备支持异步数据传送。因此，HALCON即提供同步抓取（grab_image）又提供异步抓取（grab_image_async）。为什么有异步抓取了又提供同步抓取，从字面上来理解就是说grab_image只有当图片处理结束后才开始抓取。因此，传送的图像都是最新的。使用异步抓取模式需要对应用时间上面有所把握。否则抓取的图像也许就已经是过期的图像了。

下面让我们看一下对于高效的图像采集有用的内存管理策略

       让我们回过头去看一下实时抓取的问题，假设一个板子支持异步传送，那么它的执行顺序可能是下面这种情况：

  1. 触发一个抓取信号（抓取控制信号立即执行）

  2. 处理步骤2中采集的图像

对于上述步骤反映在HALCON程序中就是

       步骤1和3（开始异步抓取）不会阻塞进程，当图像采集设备繁忙时没有时间会被浪费。唯一存在的问题就是为了抓取图像我们应该怎样分配内存：假设步骤3使图像采集设备传送的数据放入专用的内存区域而不知道上位机在步骤4中所做的事情，很明显，图像采集设备必须使用一个不同于上位机的存储区域。如果不这样做的话，设备也许会写入上位机正在读取的内存，那么处理的图像就会被打乱。处理这种问题的最好的方法就是使用两个可选择的缓冲区（alternative buffers）：一个用来写入新的数据，另外一个处理以前的数据。这些缓冲区在循环开始前也许只被分配一次。在每次循环后它们会互换角色（图像采集设备写入的缓冲区变成处理读取缓冲区或者反过来）。当有异步数据传送这是一个非常常见的技术我们把它叫做双缓冲区（double buffering）。以前的图像数据被重写，我们叫做volatile grabbing。

       这种技术一方面使抓取性能达到最好，另一方面，灵活减少。很明显，采集过的图像会被一遍一遍的覆盖。所以“历史”痕迹都会丢失。但是这个严格的组织违背了HALCON的一般哲学即中允许创建任意个数的图像数据并且可以并行处理他们直到你在程序中确定你不再需要他们。因此，一个HALCON帧抓取接口总是应当默认创建一个新的图像对象，并且把volatile grabbing最为一个可选择的选项。

图像拼接技术就是针对同一场景的一系列图片，根据图片的特征，比如位置，重叠部分等，拼接成一张大幅的宽视角的图像。

图像拼接要求拼接后图像最大程度的与原图一致，失真尽可能的小，并且要尽量做到天衣无缝即没有明显的拼接线或其他拼接痕迹。

图像拼接不能损失原始图像信息

为达到以上目标，图像拼接要求具备以下条件：

1：图像应具有一定的特征性能，拼接正是通过这些特征来进行的。

2：图像需要具有重叠部分，一般情况下，这些重叠部分点图像的1/4以上较为合理。

3、图像的背景亮度差异不能太大，应该低于10个灰度值，否则难以拼接成功。

4、图像的方位差异不能太大，图像应该来源同一方位。

5、拼合边界过渡应平滑，以消除接拼痕迹

图像拼接前，根据图像情况，可以进行图像预处理，主要是对图像进行校正和噪声滤波

根据图像失真原因，建立相应的校正模型，从失真的图像中提取所需要的信息。从图像失真的逆过程来恢复图像。这个过程也可以理解为设计一个滤波器，使用其能从失真图像中计算得到真实图像的估值，从而最大程度的恢复真实图像。

  噪声在图像上分布主要有两种型式：

1、位置随机，幅值基本相同，一般称之为 椒盐噪声；

2、幅值随机，但基本上每个点都存在，从幅值的分布统计来看，主要有高斯型，瑞利型，又有如频谱均匀的噪声。

对于这些噪声，处理方法有如下几种：

      就是用均值替代原图像中的各个像素。具体方法是：对将处理的像素，选择一个模板，此模板为其邻近的若干像素组成，用模板中的像素的均值去替代原来的像素值 。

      中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

      特征空间是由不参与匹配的图像特征构成。特征可以为图像的灰度特征，也可以是边界，轮廓，显著特征（如角点，线交叉点，高曲率点），统计特征（如矩不变量，中心），高层结构描述与句法描述等；这里其实是定义了配准的空间范围。

     评估待匹配特征之间的相似性，它通常定义为某种代价函数或者是距离函数。这里定义为需要选定的某种算法。

      待估计参数组成的空间就称为搜索空间，也就是说，搜索空间是指所有可能的变换组成的空间。这其实就定义了搜索算法的空间复杂度

     用合适的方法在搜索空间中找出平移，旋转等变换参数的最佳估计，使得相似度达到最大值，这其实也就是定义了搜索算法的时间复杂度。

1、基于区域的配准方法

 采用拼接图像的灰度值检测，对待配准图你中一块区域与参考图像中的相机尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区域的相似度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。也可以通过FFT变换将图像由时域变换到频域，然后再进行配准。对位移量比较大的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系，总而言之，这种方法有很多不足，已经不是主流了。

2、基于特征的配准方法

 基于特征的图像配准方法有很多形式及其改进方式，其总体特点是：不直接利用图像的像素，而是通过像素值导出图像内容最抽像的描述和符号特征，并用此特征为匹配模板，通过二维高斯模糊过滤，把几幅待配准图像的灰度局总最大值，边界边缘轮廓，边缘点，边缘线段，组织（纹理）结构，角、项点，拐点，交叉点，封闭曲线低级对应特征点及利用特征图像关系图等高级特征，构造方程组，通过数值计算得到变换数来进行图像对齐，进而确定两者的匹配位置，实现特征点，特征线等拼接，并且可以提高运算速度。

我要回帖

更多关于 halcon显示 的文章

 

随机推荐