gray_closing_shape 使用选定的掩码执行灰度值关闭

gray_closing_shape(Image : ImageClosing : MaskHeight, MaskWidth, MaskShape : )
    Image (input_object): 需要计算最小灰度值的图像。
    ImageClosing (output_object): 包含最小灰度值的图像。
    MaskHeight (input_control): 滤波器掩模的高度。
        默认值: 11
        建议值: 3, 5, 7, 9, 11, 13, 15
        典型取值范围: 1.0 ≤ MaskHeight ≤ 511.0
    MaskWidth (input_control): 滤波器掩模的宽度。
        默认值: 11
        建议值: 3, 5, 7, 9, 11, 13, 15
        典型取值范围: 1.0 ≤ MaskWidth ≤ 511.0
    MaskShape (input_control): 控制滤波器掩模形状的参数。
        默认值: 'octagon'
        可选值: 'octagon', 'rectangle', 'rhombus'

create_planar_uncalib_deformable_model 为未校准的透视匹配创建一个可变形的模型

create_planar_uncalib_deformable_model(Template : : NumLevels, AngleStart, AngleExtent, AngleStep, ScaleRMin, ScaleRMax, ScaleRStep, ScaleCMin, ScaleCMax, ScaleCStep, Optimization, Metric, Contrast, MinContrast, GenParamName, GenParamValue : ModelID)
Image (input_object): 输入图像，模型应在其中查找目标。
ModelID (input_control): 模型的标识符。
AngleStart (input_control): 模型的最小旋转角度。
AngleExtent (input_control): 旋转角度的范围。
ScaleRMin/ScaleRMax/ScaleCMin/ScaleCMax (input_control): 模型在行和列方向上的最小和最大比例。
MinScore (input_control): 实例的最低得分阈值。
NumMatches (input_control): 要找到的模型实例数量。
MaxOverlap (input_control): 实例之间的最大重叠度量。
NumLevels (input_control): 在匹配中使用的金字塔级别数。
Greediness (input_control): 搜索启发式算法的“贪婪度”。
    GenParamName/GenParamValue (input_control): 一般参数名称和值。
HomMat2D (output_control): 模型实例与找到的实例之间的变换矩阵。
Score (output_control): 找到的模型实例的得分。

get_deformable_model_params 返回可变形模型的参数

get_deformable_model_params( : : ModelID, GenParamName : GenParamValue)
这段参数描述了一个可变形模型（deformable model）的相关控制参数：

    ModelID (input_control): 模型的标识符。
    GenParamName (input_control): 要查询可变形模型的通用参数的名称列表。
        默认值: 'angle_start'
        可选值: 'angle_extent', 'angle_start', 'angle_step', 'cam_param', 'cam_param_rect', 'created_from_xld', 'get_deformable_model_contours_coord_system', 'metric', 'min_contrast', 'min_size', 'model_col', 'model_pose', 'model_row', 'model_type', 'num_levels', 'optimization', 'reference_pose', 'scale_c_max', 'scale_c_min', 'scale_c_step', 'scale_r_max', 'scale_r_min', 'scale_r_step'
    GenParamValue (output_control): 通用参数的值。

find_planar_uncalib_deformable_model 在图像中寻找平面投影不变变形模型的最佳匹配

find_planar_uncalib_deformable_model(Image : : ModelID, AngleStart, AngleExtent, ScaleRMin, ScaleRMax, ScaleCMin, ScaleCMax, MinScore, NumMatches, MaxOverlap, NumLevels, Greediness, GenParamName, GenParamValue : HomMat2D, Score)
    Image：输入图像，模型应该在其中被找到。
    ModelID：模型的标识符。
    AngleStart：模型的最小旋转角度。
    AngleExtent：旋转角度的范围。
    ScaleRMin：模型在行方向上的最小比例。
    ScaleRMax：模型在行方向上的最大比例。
    ScaleCMin：模型在列方向上的最小比例。
    ScaleCMax：模型在列方向上的最大比例。
    MinScore：要找到的模型实例的最小分数。
    NumMatches：要找到的模型实例的数量（或者为所有匹配项设置为0）。
    MaxOverlap：要找到的模型实例的最大重叠。
    NumLevels：在匹配中使用的金字塔级别数。
    Greediness：搜索启发式算法的“贪婪度”。
    GenParamName：通用参数名称。
    GenParamValue：通用参数值。
    HomMat2D：模型和找到的实例之间的Homographies。
    Score：找到的模型实例的分数。

get_deformable_model_contours 返回可变形模型的轮廓表示形式。

get_deformable_model_contours( : ModelContours : ModelID, Level : )
ModelContours：可变形模型的轮廓表示。
ModelID：模型的标识符。
Level：应返回轮廓表示的金字塔级别。默认为1，建议值为1至10之间的整数，且必须大于等于1

projective_trans_contour_xld 对XLD轮廓应用投影变换

projective_trans_contour_xld(Contours : ContoursProjTrans : HomMat2D : )
Contours：输入的轮廓。
ContoursProjTrans：输出的轮廓。
HomMat2D：齐次投影变换矩阵。

clear_deformable_model 清除模板

clear_deformable_model( : : ModelID : )
ModelID ：模板句柄

get_region_runs 访问区域的运行长度编码

get_region_runs(Region : : : Row, ColumnBegin, ColumnEnd)
Region：输入的区域。
Row：弦线的行号。
ColumnBegin：弦线起点的列号。
ColumnEnd：弦线终点的列号

示例

determine_area_of_interest (Image, Rectangle, AreaOfInterest) 函数

* 裁剪不重要的部分
reduce_domain (Image, Rectangle, ImageReduced)
*分成RGB三个图片
decompose3 (ImageReduced, ImageR, ImageG, ImageB)
*将图片转换为HSV
trans_from_rgb (ImageR, ImageG, ImageB, ImageH, ImageS, ImageV, 'hsv')
* 阈值处理
threshold (ImageS, HighSat, 130, 255)
* 膨胀
dilation_circle (HighSat, HighSatD, 2.0)
* 将图片填充
fill_up (HighSatD, HighSatD)
*填充后的图片裁剪
reduce_domain (ImageH, HighSatD, HighHue)
* 阈值处理
threshold (HighHue, ColoredAreaOfInterest, [230,145], [255,162])
* 填充图片
fill_up (ColoredAreaOfInterest, ImageFilled)
* 膨胀
dilation_circle (ImageFilled, ImageDilated, 3.0)
* 将图片联合
union1 (ImageDilated, AreaOfInterest)
return ()

* This example shows an application case from the automobile
* industry. A monitoring system in a car  checks the sidewalk
* for roadsigns to support the driver in case of any inattention.
* To show the imaging process we focus on two road signs,
* the attention and the dead end road sign. First the models
* of both signs are generated and then detected in a street
* sequence.
* 
* 读取图片
dev_close_window ()
* Read in model images.
* While the attention sign is from a synthetic source,
* the model for the dead end sign is from another sequence.
* 读取路标图片
read_image (ImageAttentionSign, 'road_signs/attention_road_sign')
* 读取街道图片
read_image (ImageInit, 'road_signs/street_01')
dev_open_window_fit_image (ImageInit, 0, 0, -1, -1, WindowHandle)
dev_update_off ()
dev_set_line_width (2)
dev_set_color ('green')
dev_set_draw ('margin')
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
* 
* Some values for the later matching process are initialized
* The Attention sign has a significant red part, the
* dead end sign a blue one. Hence, we can extract the respective
* channels from the color images.
Channel := [3,1]
* In this example, we have significant scalings of the road signs.
ScaleRMin := [0.5,0.4]
ScaleRMax := [0.8,2.0]
* One could add an anisotropic scaling for the exhaustive search.
* However, this makes the detection slower and is not required here.
ScaleCMin := [1.0,1.0]
ScaleCMax := [1.0,1.0]
* Add names to the signs.
RoadSign := ['Attention','Dead end']
HFac := [47.0,50.0]
* 
* Prepare the attention sign picture for the model
* creation process.
* 创建通道
access_channel (ImageAttentionSign, Image, Channel[0])
* 放大图片
zoom_image_factor (Image, ImageZoomed, 0.1, 0.1, 'weighted')
* 将放大后的图片插入到轮廓识别算法中
inspect_shape_model (ImageZoomed, ModelImages, ModelRegions, 3, 20)
* 创建一个可变形的模板
create_planar_uncalib_deformable_model (ImageZoomed, 3, [], [], 0.1, ScaleRMin[0], [], 0.05, ScaleCMin[0], [], 0.5, 'none', 'use_polarity', 'auto', 'auto', [], [], ModelID)
Models := ModelID
* 
* 
* 
*读取路标图片
read_image (ImageDeadEnd, 'road_signs/dead_end_road_sign')
* 获取通道1
access_channel (ImageDeadEnd, Image, Channel[1])
* 使用选定的掩码执行灰度值关闭
gray_closing_shape (Image, ImageClosing, 5, 5, 'octagon')
* 图片放大
zoom_image_factor (ImageClosing, ImageZoomed, 0.4, 0.4, 'weighted')
gen_rectangle1 (Rectangle1, 28, 71, 69, 97)
* 裁剪
reduce_domain (ImageZoomed, Rectangle1, ImageReduced)
* 将裁剪的标识创建一个可变形的模板
create_planar_uncalib_deformable_model (ImageReduced, 3, [], [], 0.1, ScaleRMin[1], [], 0.05, ScaleRMin[1], [], 0.1, 'none', 'use_polarity', 'auto', 'auto', [], [], ModelID)
* 
* The following three lines theoretically show how to
* query specific parameters of a model.
* Practically, the derived information is not needed
* within the program.
* 获取模板参数
get_deformable_model_params (ModelID, 'angle_step', AngleStep)
get_deformable_model_params (ModelID, 'scale_r_step', ScaleRStep)
Models := [Models,ModelID]
* 
* Generate ROI in which the road signs are expected.
* We can discard not significant parts of the image, in which
* no road sign can be located.
*丢弃图像中不重要的部分
gen_rectangle1 (Rectangle, 115, 0, 360, 640)
* 
* Search in image sequence
for Index := 1 to 16 by 1
    OutputString := []
    TotalTime := 0
    * 读取街道图片
    read_image (Image, 'road_signs/street_' + Index$'.02')
    * We are using color images, hence the ROI of the search image
    * can significantly be reduced based on the color.
    determine_area_of_interest (Image, Rectangle, AreaOfInterest)
    reduce_domain (Image, AreaOfInterest, ImageReduced)
    dev_display (Image)
    * 
    for Index2 := 0 to |Models| - 1 by 1
        * 
        * Depending on the street sign to be found, we use different color
        * channels of the image and the operator find_planar_uncalib_deformable_model
        * with different parameters because of the varying dimensions of the models.
        access_channel (ImageReduced, ImageChannel, Channel[Index2])
        count_seconds (Time1)
        * 查找匹配模板
        find_planar_uncalib_deformable_model (ImageChannel, Models[Index2], 0, 0, ScaleRMin[Index2], ScaleRMax[Index2], ScaleCMin[Index2], ScaleCMax[Index2], 0.85, 1, 0, 2, 0.4, [], [], HomMat2D, Score)
        count_seconds (Time2)
        Time := Time2 - Time1
        TotalTime := TotalTime + Time
        * 
        * Display found models.
        if (|HomMat2D|)
            *发现轮廓
            get_deformable_model_contours (ModelContours, Models[Index2], 1)
            *将轮廓进行投影
            projective_trans_contour_xld (ModelContours, ContoursProjTrans, HomMat2D)
            * 产生亚像素轮廓
            gen_region_contour_xld (ContoursProjTrans, Region, 'filled')
            * 合并
            union1 (Region, RegionU)
            *获取中心点面积
            area_center (RegionU, Area, R, C)
            * 访问区域的长度
            get_region_runs (RegionU, Row, ColumnBegin, ColumnEnd)
            H := max(Row) - min(Row)
            Fac := H / HFac[Index2]
            gen_circle (Circle, R, C, 45 * Fac)
            dev_display (Circle)
            gen_circle (Circle, R, C, 50 * Fac)
            dev_display (Circle)
            dev_display (ContoursProjTrans)
            if (Index2 == 0)
                OutputString := 'Attention sign found in : ' + (Time * 1000)$'.2f' + ' ms \n'
            else
                OutputString := 'Dead end sign found in  : ' + (Time * 1000)$'.2f' + ' ms \n'
            endif
        endif
    endfor
    if (|OutputString| == 0)
        OutputString := 'No sign found in        : ' + (Time * 1000)$'.2f' + ' ms \n'
    endif
    OutputString := ['Search for all models in: ' + (TotalTime * 1000)$'.2f' + ' ms',OutputString]
    disp_message (WindowHandle, OutputString, 'window', 10, 10, 'black', 'true')
    disp_continue_message (WindowHandle, 'black', 'true')
    stop ()
endfor
dev_display (Image)
disp_message (WindowHandle, 'Program finished.\nPress \'Run\' to clear all deformable models.', 'window', 10, 10, 'black', 'true')
stop ()
* Clean the memory of the models.
for Index1 := 0 to 1 by 1
    clear_deformable_model (Models[Index1])
endfor