Halcon中區(qū)域的Roundness和Circularity特征的區(qū)別

在Halcon中，區(qū)域的特征Roundness（圓度）和Circularity（圓度）雖然都用于描述區(qū)域與圓形之間的相似程度，但它們在計算方法和應(yīng)用上存在一些區(qū)別。還是從幫助文檔著手：

1、Roundness（圓度）

機翻：

計算方法：Roundness通常通過計算區(qū)域輪廓上各點到區(qū)域中心的平均距離（Distance）與這些距離的標準差（Sigma）之間的關(guān)系來得到。這種計算方法更多地考慮了輪廓點到中心的分布情況（即側(cè)重于輪廓的均勻性），從而評估區(qū)域形狀的圓形程度；Roundness值越接近1，表示區(qū)域的形狀越接近圓形。

幫助文檔中還列舉出了計算公式，但是比較復雜，難以用Halcon腳本來復現(xiàn)：

雖然搞不太清楚，但是沒有關(guān)系，我研究以后發(fā)現(xiàn)特征篩選中使用“Circularity”來篩選，可能更符合常見項目的篩選目的。

2、Circularity（圓度）

計算方法：Circularity通常是通過區(qū)域的面積（F）和近似最小外接圓的面積的比值來計算。Circularity值越接近1，表示區(qū)域的形狀越接近圓形。

幫助文檔中描述了它的計算方法：

上圖公式中，max是區(qū)域中心點到輪廓所有像素的最大距離，所以（max^2 * π）差不多近似等于區(qū)域最小外接圓的面積。

寫了這么多，其實還是不太容易看出Roundness和Circularity在應(yīng)用中的區(qū)別，我寫一個腳本程序讓大家直觀地看出這2個特征的差異：

 1 dev_set_draw ('margin')
 2 dev_set_line_width (1)
 3 dev_get_window (WindowHandle)
 4 set_display_font (WindowHandle, 15, 'Courier', 'true', 'false')
 5 
 6 read_image (Image, '各種圖形.png')
 7 threshold (Image, Region, 0, 55)
 8 opening_circle (Region, RegionOpening, 1) //去掉可能的毛刺
 9 connection (RegionOpening, ConnectedRegions)
10 *將多個輪廓按“column”從左到右排列
11 sort_region (ConnectedRegions, SortedRegions, 'first_point', 'true', 'column')
12 
13 *獲得Roundness、Circularity屬性值
14 roundness (SortedRegions, Distance, Sigma, Roundness, Sides)
15 circularity (SortedRegions, Circularity)
16 
17 dev_display (Image)
18 disp_message (WindowHandle, 'Roundness:', 'image', 30, 5, 'red', 'false')
19 disp_message (WindowHandle, 'Circularity:', 'image', 90, 5, 'red', 'false')
20 disp_message (WindowHandle, '計算近似值:', 'image', 120, 5, 'black', 'false')
21 
22 
23 for i := 0 to |Roundness|-1 by 1
24     *兩值差異＞30%的，用藍色字顯示
25     bili := abs(Roundness[i] - Circularity[i]) / max2(Roundness[i] , Circularity[i])
26     if (bili > 0.3)
27         color := 'blue'
28     else
29         color := 'black'
30     endif
31     disp_message (WindowHandle, Roundness[i] $'.2f',   'image', 30,  168 + 104 * i, color, 'false')
32     disp_message (WindowHandle, Circularity[i] $'.2f', 'image', 90, 168 + 104 * i, color, 'false')
33     
34     select_obj (SortedRegions, CurrentRoi, i + 1)
35     gen_contour_region_xld (CurrentRoi, Contours, 'border')
36     area_center (CurrentRoi, Area, Row, Column)
37     distance_pc (Contours, Row, Column, DistanceMin, DistanceMax)
38     
39     * 公式：C1 = F / （max * max * π）
40     C1 := Area /(DistanceMax * DistanceMax * 3.14159)  
41     C := min2(1, C1)
42     
43     disp_message (WindowHandle, '(' + C $'.2f' + ')', 'image', 125, 159 + 104 * i, color, 'false')
44 endfor

上圖可以看出，用公式“C1 = F / （max * max * π）”計算出的Circularity值（C1），與算子“circularity (SortedRegions, Circularity)”得出的值基本相同。也就驗證了該公式的解讀是正確的。

同時可以得出結(jié)論：

① 缺陷檢測項目使用blob分析時，如果想用圓度來篩選圓形的斑點，使用特征Circularity顯然更加合理；

② 至于Roundness特征，當區(qū)域是“正方形、窄邊圓環(huán)、N角星”時，Roundness都很接近1，但是它們顯然不像“圓形斑點”；

③ “窄邊圓環(huán)”的Circularity值很小、Roundness值很大，這一規(guī)律有助于識別出“窄邊圓環(huán)”。

posted on 2024-07-10 19:15 xh6300 閱讀(1887) 評論(0) 收藏舉報

刷新頁面返回頂部